代码之家 › 专栏 › 技术社区 › Aaron Yodaiken

使用ruby从html文档中删除空白

ruby xml html

4

Aaron Yodaiken · 技术社区 · 15 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 15 年前

1

11

domhabersack 15 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。

2

7

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。

3

1

Justin L. 15 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。

4

0

phil pirozhkov 9 年前

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

比上面还要短。