html - 如何将 HTML 标记转换为原始文本？

Question

从 Nokogiri::XML::DocumentFragment 中删除所有标签并仅保留以空格分隔的文本的更简单方法是什么？

我要转型:

Hello<br>My name is McOmghall

进入:

Hello My name is McOmghall

我的解决方案是:

Nokogiri::XML.fragment(html_text).children.to_a.flatten.select { |node| node.class == Nokogiri::XML::Text}

然后连接该数组，在每个元素之间放置空格，但我认为这是次优的，而且不是很清楚。

---

编辑:

这是我的最终解决方案:

Nokogiri::XML.fragment(html_text).xpath('.//text()').map(&:text).join(' ')

Answer 1

root = Nokogiri::HTML('<div id="test">Hello<br>My name is McOmghall</div>')
root.at_css('#test').text
# => "HelloMy name is McOmghall"
root.at_css('#test').xpath('.//text()').map(&:text)
# => ["Hello", "My name is McOmghall"]
p root.at_css('#test').xpath('.//text()').map(&:text).join(' ')
# => "Hello My name is McOmghall"