代码之家 › 专栏 › 技术社区 › Aaron Yodaiken Stephen Chung

使用ruby从html文档中删除空白

ruby xml html

Aaron Yodaiken Stephen Chung · 技术社区 · 14 年前

所以我在ruby中有一个字符串

str = "<html>\n<head>\n\n  <title>My Page</title>\n\n\n</head>\n\n<body>" +
      "  <h1>My Page</h1>\n\n<div id=\"pageContent\">\n  <p>Here is a para" +
      "graph. It can contain  spaces that should not be removed.\n\nBut\n" +
      "line breaks that should be removed.</p></body></html>"

如何删除标记外部的所有空白(空格、制表符和换行符),而不是包含以下内容的标记内部的空白  只使用原生Ruby?

(对于这么简单的任务,我希望避免使用XSLT或其他东西。)

4 回复 | 直到 14 年前

domhabersack 14 年前

str.gsub!(/\n\t/, " ").gsub!(/>\s*</, "><")

那是第一个 gsub! 将所有换行符和制表符替换为空格,第二个将删除标记之间的空格。

你会在你的标签里有多个空格,但是如果你删除了所有的 \n 和 \t ,您将得到类似“not be remove.Butline breaks”的内容,这不太可读。另一个正则表达式或前面提到的 .squeeze(" ") 我能搞定的。

user1158559 12 年前

我不想对regexen吹毛求疵,但其他答案都不完全正确。这将起作用:

str.gsub(/>\s*/, ">").gsub(/\s*</, "<")

/\s/ 匹配所有空格字符,包括换行符。其他答案中的正则表达式并不完全正确,因为它们的正则表达式不匹配 "\r" ,在Windows中用于行的末尾,并将出现在电子邮件中。

我的线路也将转换为  foo bar  进入之内 foo bar ,但你可能不想要这个。

Justin L. 14 年前

hello world 进入之内 hello world

"hello     world".squeeze(" ")  # => "hello world"

其中,压缩参数是要压缩的字符。

编辑:对不起,我误读了你的问题。

这会

在标记外保留单个空格

我现在就想办法。

phil pirozhkov 8 年前

xml.squish.gsub /(> <)/, '><'

比上面还要短。

推荐文章

Community wiki · 如果我调用Factory.build以使我的控制器测试快速,我如何让Factory Girl永远不会访问数据库?

1 年前

karuhi wairi · 如何解决在尝试运行rake server或rackup config.ru时出现的错误

1 年前

Community wiki · 使用RJB(Ruby java Bridge)的OpenNLP中的java.lang.NullPointerException

1 年前

thesunneversets · 如何使用Nikkou(新手Ruby问题!)

2 年前

Stilian · 存储库设置中没有Github页面部分

2 年前

Kellen · 查看$卷展栏功能列表

2 年前

Akshit Thakur Ak · 我怎样才能把铁轨停下来?

2 年前

Chowlett · Ruby数组#shuffle中的默认随机参数是什么

2 年前

johncssjs · 将数组转换为每个元素的嵌套哈希

2 年前

solidsnake99 · Rails db:如何绕过验证

2 年前