ruby - 删除 HTML 标签的正则表达式问题

Question

在我的 Ruby 应用程序中，我使用以下方法和正则表达式从字符串中删除所有 HTML 标记:

str.gsub(/<\/?[^>]*>/,"")

这个正则表达式几乎完成了我所期望的一切，只是它导致所有引号都被转换为 “ 并将所有单引号更改为 ” .

要将困惑的代码转换回其正确的字符，我缺少什么明显的东西？

编辑:使用或不使用正则表达式都会出现问题，所以很明显我的问题与它无关。我现在的问题是如何处理这个格式错误并更正它。谢谢!

Answer 1

在执行正则表达式替换后使用 CGI::unescapeHTML:

CGI::unescapeHTML(str.gsub(/<\/?[^>]*>/,""))

参见 http://www.ruby-doc.org/core/classes/CGI.html#M000547

在上面的代码片段中，gsub 删除了所有 HTML 标签。然后，unescapeHTML() 将所有 HTML 实体(例如 <、“)还原为其实际字符(<、引号等)

关于此页面上的另一篇文章，请注意您将永远不会收到诸如

之类的 HTML

<tag attribute="<value>">2 + 3 < 6</tag>

(无效的 HTML)；相反，您可能会收到:

<tag attribute="&lt;value&gt;">2 + 3 &lt; 6</tag>

对 gsub 的调用会将上面的内容转换为:

2 + 3 < 6

unescapeHTML 将完成这项工作:

2 + 3 < 6