本文介绍了使用 Nokogiri(而不是 Tidy)清理 HTML的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
tidy gem 不再维护并且存在多个内存泄漏问题.
The tidy gem is no longer maintained and has multiple memory leak issues.
有些人建议使用 Nokogiri.
Some people suggested using Nokogiri.
我目前正在使用以下方法清理 HTML:
I'm currently cleaning the HTML using:
Nokogiri::HTML::DocumentFragment.parse(html).to_html
我有两个问题:
是否有一种简单的方法可以强制清理后的 HTML 具有 html 和 body 标签?
Is there an easy way to force the cleaned HTML to have a html and body tag?
推荐答案
如果您正在处理一个完整的文档，您需要:
If you are processing a full document, you want:
Nokogiri::HTML(html).to_html
这将强制使用 html 和 body 标签，并引入或保留 DOCTYPE:
That will force html and body tags, and introduce or preserve the DOCTYPE:
puts Nokogiri::HTML('<p>Hi!</p>').to_html
#=> <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN"
#=> "http://www.w3.org/TR/REC-html40/loose.dtd">
#=> <html><body><p>Hi!</p></body></html>
puts Nokogiri::HTML('<!DOCTYPE html><p>Hi!</p>').to_html
#=> <!DOCTYPE html>
#=> <html><body><p>Hi!</p></body></html>
请注意，不保证输出在语法上是有效的.例如，如果我提供一个错误的文档并声称它是 HTML4.01 严格的，Nokogiri 将输出具有该 DOCTYPE 但没有所需的 ...</标题></head></code>部分:<em class="showen"></em></p>
<p class="en">Note that the output is not guaranteed to be syntactically valid. For example, if I provide a broken document that lies and claims that it is HTML4.01 strict, Nokogiri will output a document with that DOCTYPE but without the required <code><head><title>...</title></head></code> section:</p>
<pre><code><code>dtd = '<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd">'
puts Nokogiri::HTML("#{dtd}<p>Hi!</p>").to_html
#=> <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN"
#=> "http://www.w3.org/TR/html4/strict.dtd">
#=> <html><body><p>Hi!</p></body></html>
</code></code></pre>
<p>这篇关于使用 Nokogiri(而不是 Tidy)清理 HTML的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！</p>
</div>
<div class="arc-body-main-more">
<span onclick="unlockarc('2316430');">查看全文</span>
</div>
</div>
<div>
</div>
<div class="wwads-cn wwads-horizontal" data-id="166" style="max-width:100%;border: 4px solid #666;"></div>
</div>
</article>
<div id="arc-ad-2" class="mb-1">
<script async src="https://pagead2.googlesyndication.com/pagead/js/adsbygoogle.js?client=ca-pub-5038752844014834"
crossorigin="anonymous"></script>
<ins class="adsbygoogle"
style="display:block"
data-ad-format="autorelaxed"
data-ad-client="ca-pub-5038752844014834"
data-ad-slot="3921941283"></ins>
<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>
</div>
<div class="widget bgwhite radius-1 mb-1 shadow widget-rel">
<h5>相关文章</h5>
<ul>
<li>
<a target="_blank" title="使用TouchXML和HTML Tidy" href="/877401.html">
使用TouchXML和HTML Tidy;
</a>
</li>
<li>
<a target="_blank" title="使用HTML Tidy来缩进HTML代码？" href="/864638.html">
使用HTML Tidy来缩进HTML代码？;
</a>
</li>
<li>
<a target="_blank" title="HTML Tidy条形标签" href="/1803064.html">
HTML Tidy条形标签;
</a>
</li>
<li>
<a target="_blank" title="使用HTML，而不是CSHTML" href="/258028.html">
使用HTML，而不是CSHTML;
</a>
</li>
<li>
<a target="_blank" title="记事本++ HTML Tidy" href="/862545.html">
记事本++ HTML Tidy;
</a>
</li>
<li>
<a target="_blank" title="使用UL而不是html SELECT" href="/1142966.html">
使用UL而不是html SELECT;
</a>
</li>
<li>
<a target="_blank" title="使用html.ActionLink而不是HTML编码" href="/285484.html">
使用html.ActionLink而不是HTML编码;
</a>
</li>
<li>
<a target="_blank" title="如何使用 Nokogiri 解析 HTML 表格?" href="/2729689.html">
如何使用 Nokogiri 解析 HTML 表格?;
</a>
</li>
<li>
<a target="_blank" title="使用 Nokogiri 解析大型 HTML 文件" href="/2316478.html">
使用 Nokogiri 解析大型 HTML 文件;
</a>
</li>
<li>
<a target="_blank" title="如何使用 Nokogiri 拆分 HTML 文档?" href="/2316444.html">
如何使用 Nokogiri 拆分 HTML 文档?;
</a>
</li>
<li>
<a target="_blank" title="如何使用Nokogiri解析HTML表格？" href="/861393.html">
如何使用Nokogiri解析HTML表格？;
</a>
</li>
<li>
<a target="_blank" title="如何用nokogiri解析XML而不丢失HTML实体？" href="/875008.html">
如何用nokogiri解析XML而不丢失HTML实体？;
</a>
</li>
<li>
<a target="_blank" title="HTML Tidy，不要移动这些注释！" href="/537544.html">
HTML Tidy，不要移动这些注释！;
</a>
</li>
<li>
<a target="_blank" title="Nokogiri html解析问题" href="/2316419.html">
Nokogiri html解析问题;
</a>
</li>
<li>
<a target="_blank" title="使用jQuery清理HTML代码？" href="/872952.html">
使用jQuery清理HTML代码？;
</a>
</li>
<li>
<a target="_blank" title="html tidy，word 2003和“smart quotes”" href="/1066316.html">
html tidy，word 2003和“smart quotes”;
</a>
</li>
<li>
<a target="_blank" title="为什么对scrollTop使用"html，body"而不是"html"" href="/1481327.html">
为什么对scrollTop使用"html，body"而不是"html";
</a>
</li>
<li>
<a target="_blank" title="Nokogiri 以字符串形式返回值，而不是数组" href="/2316390.html">
Nokogiri 以字符串形式返回值，而不是数组;
</a>
</li>
<li>
<a target="_blank" title="JSF 2 使用 HTML 页面而不是 XHTML" href="/2772539.html">
JSF 2 使用 HTML 页面而不是 XHTML;
</a>
</li>
<li>
<a target="_blank" title="Firebase使用PHP作为索引而不是HTML" href="/2251711.html">
Firebase使用PHP作为索引而不是HTML;
</a>
</li>
<li>
<a target="_blank" title="在 Express 中使用 HTML 而不是 Jade" href="/2650712.html">
在 Express 中使用 HTML 而不是 Jade;
</a>
</li>
<li>
<a target="_blank" title="在Express而不是Jade中使用HTML" href="/744457.html">
在Express而不是Jade中使用HTML;
</a>
</li>
<li>
<a target="_blank" title="Nokogiri 抓取未命中 HTML" href="/2316515.html">
Nokogiri 抓取未命中 HTML;
</a>
</li>
<li>
<a target="_blank" title="Nokogiri 保持 HTML 实体不变" href="/2316415.html">
Nokogiri 保持 HTML 实体不变;
</a>
</li>
<li>
<a target="_blank" title="Nokogiri生成无效的HTML？" href="/871650.html">
Nokogiri生成无效的HTML？;
</a>
</li>
</ul>
</div>
<div class="mb-1">
<script async src="https://pagead2.googlesyndication.com/pagead/js/adsbygoogle.js?client=ca-pub-5038752844014834"
crossorigin="anonymous"></script>
<ins class="adsbygoogle"
style="display:block"
data-ad-format="autorelaxed"
data-ad-client="ca-pub-5038752844014834"
data-ad-slot="3921941283"></ins>
<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>
</div>
</div>
<div class="side">
<div class="widget widget-side bgwhite mb-1 shadow">
<h5>其他开发最新文章</h5>
<ul>
<li>
<a target="_blank" title="拒绝显示一个框架，因为它将'X-Frame-Options'设置为'sameorigin'" href="/893060.html">
拒绝显示一个框架，因为它将'X-Frame-Options'设置为'sameorigin';
</a>
</li>
<li>
<a target="_blank" title="什么是＆QUOT; AW＆QUOT;在部分标志属性是什么意思？" href="/303988.html">
什么是＆QUOT; AW＆QUOT;在部分标志属性是什么意思？;
</a>
</li>
<li>
<a target="_blank" title="在运行npm install命令时获取'npm WARN弃用'警告" href="/840917.html">
在运行npm install命令时获取'npm WARN弃用'警告;
</a>
</li>
<li>
<a target="_blank" title="cmake无法找到openssl" href="/516280.html">
cmake无法找到openssl;
</a>
</li>
<li>
<a target="_blank" title="从Spark的scala中的* .tar.gz压缩文件中读取HDF5文件" href="/850628.html">
从Spark的scala中的* .tar.gz压缩文件中读取HDF5文件;
</a>
</li>
<li>
<a target="_blank" title="Twitter :: Error :: Forbidden - 无法验证您的凭据" href="/630061.html">
Twitter :: Error :: Forbidden - 无法验证您的凭据;
</a>
</li>
<li>
<a target="_blank" title="我什么时候需要一个fb：app_id或者fb：admins？" href="/747981.html">
我什么时候需要一个fb：app_id或者fb：admins？;
</a>
</li>
<li>
<a target="_blank" title="将.db文件导入R" href="/902960.html">
将.db文件导入R;
</a>
</li>
<li>
<a target="_blank" title="npm通知创建一个lockfile作为package-lock.json。你应该提交这个文件" href="/744854.html">
npm通知创建一个lockfile作为package-lock.json。你应该提交这个文件;
</a>
</li>
<li>
<a target="_blank" title="拒绝执行内联脚本，因为它违反了以下内容安全策略指令：“script-src'self'”" href="/819167.html">
拒绝执行内联脚本，因为它违反了以下内容安全策略指令：“script-src'self'”;
</a>
</li>
</ul>
</div>
<div class="widget widget-side bgwhite mb-1 shadow">
<h5>
热门教程
</h5>
<ul>
<li>
<a target="_blank" title="Java教程" href="/OnLineTutorial/java/index.html">
Java教程
</a>
</li>
<li>
<a target="_blank" title="Apache ANT 教程" href="/OnLineTutorial/ant/index.html">
Apache ANT 教程
</a>
</li>
<li>
<a target="_blank" title="Kali Linux教程" href="/OnLineTutorial/kali_linux/index.html">
Kali Linux教程
</a>
</li>
<li>
<a target="_blank" title="JavaScript教程" href="/OnLineTutorial/javascript/index.html">
JavaScript教程
</a>
</li>
<li>
<a target="_blank" title="JavaFx教程" href="/OnLineTutorial/javafx/index.html">
JavaFx教程
</a>
</li>
<li>
<a target="_blank" title="MFC 教程" href="/OnLineTutorial/mfc/index.html">
MFC 教程
</a>
</li>
<li>
<a target="_blank" title="Apache HTTP客户端教程" href="/OnLineTutorial/apache_httpclient/index.html">
Apache HTTP客户端教程
</a>
</li>
<li>
<a target="_blank" title="Microsoft Visio 教程" href="/OnLineTutorial/microsoft_visio/index.html">
Microsoft Visio 教程
</a>
</li>
</ul>
</div>
<div class="widget widget-side bgwhite mb-1 shadow">
<h5>
热门工具
</h5>
<ul>
<li>
<a target="_blank" title="Java 在线工具" href="/Onlinetools/details/4">
Java 在线工具
</a>
</li>
<li>
<a target="_blank" title="C(GCC) 在线工具" href="/Onlinetools/details/6">
C(GCC) 在线工具
</a>
</li>
<li>
<a target="_blank" title="PHP 在线工具" href="/Onlinetools/details/8">
PHP 在线工具
</a>
</li>
<li>
<a target="_blank" title="C# 在线工具" href="/Onlinetools/details/1">
C# 在线工具
</a>
</li>
<li>
<a target="_blank" title="Python 在线工具" href="/Onlinetools/details/5">
Python 在线工具
</a>
</li>
<li>
<a target="_blank" title="MySQL 在线工具" href="/Onlinetools/Dbdetails/33">
MySQL 在线工具
</a>
</li>
<li>
<a target="_blank" title="VB.NET 在线工具" href="/Onlinetools/details/2">
VB.NET 在线工具
</a>
</li>
<li>
<a target="_blank" title="Lua 在线工具" href="/Onlinetools/details/14">
Lua 在线工具
</a>
</li>
<li>
<a target="_blank" title="Oracle 在线工具" href="/Onlinetools/Dbdetails/35">
Oracle 在线工具
</a>
</li>
<li>
<a target="_blank" title="C++(GCC) 在线工具" href="/Onlinetools/details/7">
C++(GCC) 在线工具
</a>
</li>
<li>
<a target="_blank" title="Go 在线工具" href="/Onlinetools/details/20">
Go 在线工具
</a>
</li>
<li>
<a target="_blank" title="Fortran 在线工具" href="/Onlinetools/details/45">
Fortran 在线工具
</a>
</li>
</ul>
</div>
</div>
</div>
<script type="text/javascript">var eskeys = '使用,nokogiri,而,不是,tidy,清理,html'; var cat = 'cc';';//other-dev</script>
</div>
<div id="pop" onclick="pophide();">
<div id="pop_body" onclick="event.stopPropagation();">
<h6 class="flex flex101">
登录
<span onclick="pophide();">关闭</span>
</h6>
<div class="pd-1">
<div class="wxtip center">
<span>扫码关注<em>1秒</em>登录</span>
</div>
<div class="center">
<img id="qr" src="https://huajiakeji.com/Content/Images/qrydx.jpg" alt="" style="width:150px;height:150px;" />
</div>
<div style="margin-top:10px;display:flex;justify-content: center;">
<input type="text" placeholder="输入验证码" id="txtcode" autocomplete="off" />
<input id="btngo" type="button" onclick="chk()" value="GO" />
</div>
<div class="center" style="margin: 4px; font-size: .8rem; color: #f60;">
发送“验证码”获取
<em style="padding: 0 .5rem;">|</em>
<span style="color: #01a05c;">15天全站免登陆</span>
</div>
<div id="chkinfo" class="tip"></div>
</div>
</div>
</div> <script type="text/javascript" src="https://lib.sinaapp.com/js/jquery/1.9.1/jquery-1.9.1.min.js"></script>
<script type="text/javascript" src="https://cdn.bootcss.com/jquery-cookie/1.4.1/jquery.cookie.min.js"></script>
<script type="text/javascript" src="https://img01.yuandaxia.cn/Scripts/highlight.min.js"></script>
<script type="text/javascript" src="https://img01.yuandaxia.cn/Scripts/base.js?v=0.22"></script>
<script type="text/javascript" src="https://img01.yuandaxia.cn/Scripts/tui.js?v=0.11"></script>
<footer class="footer">
<div class="container">
<div class="flink mb-1">
友情链接：
<a href="https://www.it1352.com/" target="_blank">IT屋</a>
<a href="https://huajiakeji.com/" target="_blank">Chrome插件</a>
<a href="https://www.cnplugins.com/" target="_blank">谷歌浏览器插件</a>
</div>
<section class="copyright-section">
<a href="https://www.it1352.com" title="IT屋-程序员软件开发技术分享社区">IT屋</a>
©2016-2022 <a href="http://www.beian.miit.gov.cn/" target="_blank">琼ICP备2021000895号-1</a>
<a href="/sitemap.html" target="_blank" title="站点地图">站点地图</a>
<a href="/Home/Tags" target="_blank" title="站点标签">站点标签</a>
<a target="_blank" alt="sitemap" href="/sitemap.xml">SiteMap</a>
<a href="/1155981.html" title="IT屋-免责申明"><免责申明></a>
本站内容来源互联网,如果侵犯您的权益请联系我们删除.
</section>
<!--统计代码-->
<script type="text/javascript">
var _hmt = _hmt || [];
(function() {
var hm = document.createElement("script");
hm.src = "https://hm.baidu.com/hm.js?0c3a090f7b3c4ad458ac1296cb5cc779";
var s = document.getElementsByTagName("script")[0];
s.parentNode.insertBefore(hm, s);
})();
</script>
<script type="text/javascript">
(function () {
var bp = document.createElement('script');
var curProtocol = window.location.protocol.split(':')[0];
if (curProtocol === 'https') {
bp.src = 'https://zz.bdstatic.com/linksubmit/push.js';
}
else {
bp.src = 'http://push.zhanzhang.baidu.com/push.js';
}
var s = document.getElementsByTagName("script")[0];
s.parentNode.insertBefore(bp, s);
})();
</script>
</div>
</footer>
</body>
</html>
