如何让Nokogiri不要转换＆nbsp; 到太空
我拿一个像html一样的html片段
"市 场 价" 其中包含“ ”，但在调用Nokogiri NodeSet的to_s之后，它就变成了
"市 场 价"
，我想保留原始的html片段，并尝试设置:save_with option方法的:save_with option ，但失败了。
有人会遇到同样的问题并给我帮助吗？ 先感谢您。
我遇到了类似的情况，我提出的是一个黑客，但似乎运作良好。
nbsp = Nokogiri::HTML(" ").text text.gsub(nbsp, " ")
就我而言，我希望成为一个普通的空间。 我认为在您的情况下，您希望将它们返回到“＆nbsp;”，因此您可以执行以下操作：
nbsp = Nokogiri::HTML(" ").text html.gsub(nbsp, " ")
我认为问题在于你是如何看待字符串的。 它看起来像一个空间，但它并不完全相同：
require 'nokogiri' doc = Nokogiri::HTML('"市 场 价"') (doc % 'li').content.chars.to_a[1].ord # => 160 (doc % 'li').to_html # => " 市 场 价\" "
常规空间是0x20或' ' 。 160是非破坏空间的十进制值，这是什么 在使用Nokogiri的各种inner_text ， content ， text或to_s标签后转换为。 它不再是HTML实体编码，但它仍然是一个不间断的空间。 我认为Nokogiri从实体编码的转换是在要求字符串化时的适当行为。
可能有一个标志告诉Nokogiri不解码该值，但我不知道它是否在手边。 您可以查看我在上面的评论中提到的Nokogiri的邮件列表，看看是否有旗帜。 我可以看到Nokogiri有一个优点就是不进行解码，所以如果没有这样的标志，它偶尔会很好。
现在，所有这一切，我认为to_html方法应该将值返回到它的实体编码值，因为不间断的空间是HTML流中遇到的令人讨厌的事情。 而且我认为你应该在邮件列表中提及，甚至可能是一个bug。 我认为这是不恰当的结果。
http://groups.google.com/group/nokogiri-talk/msg/0b81ef0dc180dc74
好的，我现在可以解释一下这种行为。 基本上，问题归结为编码。
在Ruby 1.9中，我们检查了你为Nokogiri提供的字符串的编码。 如果输入字符串是“utf-8”，则假定该文档是UTF-8文档。 输出文档时，由于“”可以表示为UTF-8字符，因此输出为UTF-8字符。
在1.8中，由于我们无法检测文档的编码，我们假设二进制编码并允许libxml2检测编码。 如果将输入文档的编码设置为二进制，它将返回所需的实体。 这是一些演示代码：
require 'nokogiri' html = 'hello world' f = Nokogiri.HTML(html) node = f.css('body') p node.inner_html f = Nokogiri.HTML(html.encode('ASCII-8BIT')) node = f.css('body') p node.inner_html
我也发布了一个youtubevideo！ 🙂
http://www.youtube.com/watch?v=X2SzhXAt7V4
亚伦帕特森
您的示例文本不是ASCII-8BIT因此请尝试将该编码字符串更改为Unicode字符集名称，并查看inner_html是否将返回实体编码的值。