Nokogiri丢失属性
Nokogiri丢失属性
提问于 2013-04-10 18:30:55
我只是尝试用nokogiri解析来代理网站。
我的控制器动作
des show
@url = 'http://www.femmeactuelle.fr/'
@with_nokogiri = Nokogiri::HTML(open(@url).read).to_html
@without_nokogiri = open(@url).read
if params.has_key? :nokogiri
render text: @with_nokogiri, layout: false
else
render text: @without_nokogiri, layout: false
end
end如果我在?nokogiri=foo，中使用这个动作，身体就会失去它的id。知道是什么原因吗？我只想要与浏览器使用nokogiri解析后看到的相同的html。
回答 1
Stack Overflow用户
回答已采纳
发布于 2013-04-10 23:58:15
我不能重复Nokogiri在有效的HTML中从<body>标记中剥离<body>参数的问题。以下是我的Nokogiri/LibXML和Ruby的详细信息：
nokogiri: 1.5.9
ruby:
version: 1.9.3
platform: x86_64-darwin10.8.0
description: ruby 1.9.3p392 (2013-02-22 revision 39386) [x86_64-darwin10.8.0]
engine: ruby
libxml:
binding: extension
compiled: 2.7.7
loaded: 2.7.7下面是对Nokogiri的简单测试：
doc = Nokogiri::HTML('<html><body id="foo">bar</body></html>')
puts doc.to_html返回：
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body id="foo">bar</body></html>当我解析'http://www.femmeactuelle.fr/‘时，Nokogiri的errors方法返回许多错误，包括<head>和<body>中的错误。Nokogiri试图在文档被破坏时修复它，这可能导致标记被移动，或者，正如我在本例中所怀疑的那样，参数丢失了。
验证文档返回各种错误，所以我认为问题在Nokogiri之外。如果您想在将它传递给Nokogiri之前尝试修复它，您可以通过HTMLTidy发送该文件，然后查看Nokogiri是否能够更好地理解它。否则，花一些时间在HTML中挖掘，找出什么是坏的，并编写一些字符串操作代码来修补它。
不能将浏览器呈现的页面源与解析器(如Nokogiri )输出的内容进行比较。它们是非常不同的代码片段，有着非常不同的目标。浏览器想要使页面呈现某种内容，并且有各种各样的退步来处理损坏的HTML。解析器不这样做，因为它的工作是将HTML或XML准确地转换成它的真正结构，这样我们就可以深入研究它。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/15933650
复制相关文章
相似问题
腾讯云开发者
