ruby - 让 Nokogiri 决定是否使用 #fragment 还是 #parse

Question

我有一段 HTML，我想用 Nokogiri 解析，但我不知道它是完整的 HTML 文档(带有 DOCTYPE 等)还是片段(例如，只是一个包含一些元素的 div) .

这对于 Nokogiri 来说是不同的，因为它应该使用 #fragment 来解析片段，而使用 #parse 来解析完整文档。

有没有办法确定给定的一段文本是片段还是完整的 HTML 文档？

丹尼斯

Answer 1

取决于您的页面的垃圾程度，但是

/^(?:\s*<!DOCTYPE)|(?:\s*<html)/

在大多数情况下应该有效。