如何替换定义节点的标签？

时间：2013-05-29 09:21:49

标签： ruby nokogiri textile

我们正试图从一个相当小的错误跟踪系统转移到Redmine。对于我们的旧系统，没有现成的迁移解决方案脚本，所以我们想自己做。

我建议使用Nokogiri将一些格式转换为新格式（Textile），然而，我遇到了问题。

这来自我们旧系统的DB中的DB字段：

<ul>
    <li>list item 1</li>
    <li>list item 2</li>
</ul>

这需要翻译成纺织品，它看起来像这样：

* list item 1
* list item 2

现在，开始使用Nokogiri解析，我在这里：

def self.handle_ul(page)
        uls = page.css("ul")
        uls.each {|ul|
                lis = ul.css("li")
                lis.each { |li|
                        li.inner_html = "*" << li.text << "\n"
                }
        }
end

这就像一个魅力。但是，我需要做两次替换：

<li>
</li>
需要从<li>对象中删除

标记，并且：

<ul>
</ul>
需要从<ul>对象中删除

标记。但是，我似乎无法在代表它的对象中找到实际的标签。 inner_html仅返回我正在查找的代码之间的HTML：

ul.inner_html

结果：

<li>list item 1</li>
<li>list item 2</li>

我在哪里可以找到需要更换的标签？我考虑过使用parent并将子<li>标记与parent.parent重新关联，但这会在祖父母的末尾对它们进行排序。

我可以以某种方式访问​​对象的整个HTML表示，而不会删除其定义的标记，以便我可以替换它们吗？

编辑：

根据要求，这里是一个旧的DB条目的样本和它在纺织品中应该具有的样式。

转型前：

Fixed for rev. 1.7.92.

<h4>Problems:</h4>
<ul>
<li>fixed.</li>
<li>fixed. New minimum 270x270</li>
<li>fixed.</li>
<li>fixed.</li>
<li>fixed.</li>
<li>fixed. Column types list is growing horizontally now.</li>
</ul>

转型后：

Fixed for rev. 1.7.92.

h4.Problems:
* fixed.
* fixed. New minimum 270x270
* fixed.
* fixed.
* fixed.
* fixed. Column types list is growing horizontally now.

编辑2：

我试图覆盖Nokogiri元素的to_s方法的部分内容：

li.to_s["<li>"]=""

但这似乎不是一个有效的左值（不是有错误，它只是没有做任何事情）。

4 个答案:

答案 0 :(得分：1)

您可能需要查看ClothRed，它是Ruby中的HTML to Textile转换器。它暂时没有更新，但它很简单，可能是您自己的转换器的一个很好的起点。

如果您真的想使用Nokogiri，那么您正在编写过滤器，因此您可能需要使用SAX界面。

答案 1 :(得分：1)

以下是此类转换的基础：

require 'nokogiri'

doc = Nokogiri::HTML(<<EOT)
<ul>
    <li>list item 1</li>
    <li>list item 2</li>
</ul>
EOT
puts doc.to_html

doc.search('ul').each do |ul|
  ul.search('li').each do |li|
    li.replace("* #{ li.text.strip }")
  end
  ul.replace(ul.text)
end

puts doc.to_html

运行输出：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body><ul>
<li>list item 1</li>
    <li>list item 2</li>
</ul></body></html>
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body>* list item 1
    * list item 2
</body></html>

我并不打算或试图让第一个“项目”具有领先的回车或换行。这是留给读者的练习。我也没有尝试处理<h4>标签或类似的替换。从答案代码中你应该能够弄清楚如何去做。

此外，我正在使用Nokogiri::HTML来解析HTML，将其转换为带有相应DOCTYPE标头<html>和<body>标记的完整HTML文档，以模仿完整的HTML文献。这可以使用Nokogiri::HTML::DocumentFragment.parse来改变，但不会对输出产生任何影响。

答案 2 :(得分：1)

你可能想尝试McBean（https://github.com/flavorjones/mcbean）[警告：我是宝石的作者，并且它暂时没有更新]。

它在精神上类似于ClothRed，但在引擎盖下使用Nokogiri实际上将文档结构转换为输出文本。它支持纺织品的大部分;事实上，我已经成功地使用它来在wiki系统之间转换维基页面，正如你想要的那样。

答案 3 :(得分：0)

如果有兴趣的人稍后发现，另一种选择是使用Pandoc。我刚做了第一次测试，看起来已经足够了，它可以做更多的格式。

相关问题
最新问题