如何删除HTML节点之间的空格？

我正在尝试从

标记之间的HTML片段中删除空格

 
Foo Bar
 
bar bar bar
 
bla 

如您所见，

标记之间总是有空格。

问题是在将字符串保存到我的数据库时，空格会创建
标记。 像strip或gsub这样的方法只删除节点中的空格，导致：

 
FooBar
 
barbarbar
 
bla 

而我想要：

 
Foo Bar
bar bar bar
bla 

我正在使用：

• Nokogiri 1.5.6
• Ruby 1.9.3
• 轨道

更新：

偶尔会有

标签的子节点产生同样的问题：之间有空格

示例代码

注意：代码通常在一行中，我重新格式化它，因为它是无法忍受的，否则……

 
 
 Selling an Appartment 
 
 
 
beautiful apartment!
 
 
 
near the train station
 
 . . . 
 
 
 
10 minutes away from a shopping mall 
 
 
 
nice view
 
 
 . . . 
 

我怎么剥去那些白色空间呢？

解

事实certificate，我搞砸了使用gsub方法，并没有进一步调查使用gsub与regex的可能性…

简单的解决方案是添加

 data = data.gsub(/>\s+<") 

它删除了所有不同节点之间的空白…正则表达式！

Answer 1

这就是我编写代码的方式：

 require 'nokogiri' doc = Nokogiri::HTML::DocumentFragment.parse(<Foo Bar
 
bar bar bar
 
bla
 EOT doc.search('p, ul, li').each { |node| next_node = node.next_sibling next_node.remove if next_node && next_node.text.strip == '' } puts doc.to_html 

它导致：

 
Foo Bar
bar bar bar
bla 

打破它：

 doc.search('p') 

仅查找文档中的

节点。 Nokogiri从search返回NodeSet，如果没有匹配则返回nil。 代码循环遍历NodeSet，依次查看每个节点。

 next_node = node.next_sibling 

获取指向当前

节点之后的下一个节点的指针。

 next_node.remove if next_node && next_node.text.strip == '' 

如果下一个节点不是nil，则next_node从DOM中删除当前的next_node ，并且当剥离时，其文本不为空，换句话说，如果节点只有空格。

如果所有文本节点都应从文档中剥离，则还有其他技术可以仅定位TextNodes。 这是有风险的，因为它最终会删除标签之间的所有空白，导致连续的句子和加入的单词，这可能不是你想要的。

Answer 2

第一个解决方案可以是删除空文本节点，为您的确切情况快速执行此操作可以是：

 require 'nokogiri' doc = Nokogiri::HTML("
Foo Bar
 
bar bar bar
 
bla
") doc.css('body').first.children.map{|node| node.to_s.strip}.compact.join 

这对于嵌套元素不起作用，但应该为您提供良好的开始路径。

更新：

你可以实际优化一点：

 require 'nokogiri' doc = Nokogiri::HTML::DocumentFragment.parse("
Foo Bar
 
bar bar bar
 
bla
") doc.children.map{|node| node.to_s.strip}.compact.join 

Answer 3

data.squish做同样的事情，并且更具可读性。