html - 带有 nokogiri 的 strip 样式属性

Question

我正在使用 nokogiri 抓取一个 html 页面，我想删除所有样式属性。
我怎样才能做到这一点？ (我没有使用 rails，所以我不能使用它的清理方法，我不想使用清理 gem，因为我想删除黑名单而不是白名单)

html = open(url)
doc = Nokogiri::HTML(html.read)
doc.css('.post').each do |post|
puts post.to_s
end

=> <p><span style="font-size: x-large">bla bla <a href="http://torrentfreak.com/netflix-is-killing-bittorrent-in-the-us-110427/">statistica</a> blabla</span></p>

我想要它

=> <p><span>bla bla <a href="http://torrentfreak.com/netflix-is-killing-bittorrent-in-the-us-110427/">statistica</a> blabla</span></p>

Answer 1

require 'nokogiri'

html = '<p class="post"><span style="font-size: x-large">bla bla</span></p>'
doc = Nokogiri::HTML(html)
doc.xpath('//@style').remove
puts doc.css('.post')
#=> <p class="post"><span>bla bla</span></p>

编辑以显示您可以调用 NodeSet#remove而不是必须使用 .each(&:remove)。

请注意，如果您有一个 DocumentFragment 而不是一个文档，Nokogiri 有 a longstanding bug从片段中搜索无法如您预期的那样工作。解决方法是使用:

doc.xpath('@style|.//@style').remove