将HTML转换为纯文本（包含）

是否可以将带有Nokogiri的HTML转换为纯文本？ 我还想要包含
标签。

例如，给定此HTML：

 
ala ma kota
 
 i kot to idiota  

我想要这个输出：

 ala ma kota i kot to idiota 

当我只调用Nokogiri::HTML(my_html).text它会排除
标签：

 ala ma kota i kot to idiota 

Answer 1

我没有写复杂的正则表达式，而是使用了Nokogiri。

工作解决方案（KISS！）：

 def strip_html(str) document = Nokogiri::HTML.parse(str) document.css("br").each { |node| node.replace("\n") } document.text end 

Answer 2

默认情况下不会出现这样的情况，但您可以轻松地将所需内容放在一起，接近所需的输出：

 require 'nokogiri' def render_to_ascii(node) blocks = %w[p div address] # els to put newlines after swaps = { "br"=>"\n", "hr"=>"\n#{'-'*70}\n" } # content to swap out dup = node.dup # don't munge the original # Get rid of superfluous whitespace in the source dup.xpath('.//text()').each{ |t| t.content=t.text.gsub(/\s+/,' ') } # Swap out the swaps dup.css(swaps.keys.join(',')).each{ |n| n.replace( swaps[n.name] ) } # Slap a couple newlines after each block level element dup.css(blocks.join(',')).each{ |n| n.after("\n\n") } # Return the modified text content dup.text end frag = Nokogiri::HTML.fragment "
It is the end of the world as we know it
and I feel fine.
Capische
Buddy?
" puts render_to_ascii(frag) #=> It is the end of the world as we know it #=> and I feel fine. #=> #=> Capische #=> ---------------------------------------------------------------------- #=> Buddy? 

Answer 3

尝试

 Nokogiri::HTML(my_html.gsub('
',"\n")).text 

Answer 4

Nokogiri将删除链接，因此我首先使用它来保留文本版本中的链接：

 html_version.gsub!(/(.*)<\/a>/i) { "#{$2}\n#{$1}" } 

这会改变这个：

 link to google 

对此：

 link to google http://google.com 

Answer 5

如果您使用HAML，您可以通过将html与’raw’选项放在一起来解决html转换问题

  = raw @product.short_description