HTML清洗和关闭不完整的标签

Question

在ApplicationHelper中的sanitize()方法没有关闭标签。

s = "<a href='http://example.com'>incomplete"
sanitize(s, :tags => ['a', 'p'])

上述代码片段会保留原始字符串。如何强制它添加一个闭合标签</a>或至少将<a>标签删除？

- mahemoff

Answer 1

你可以使用一个合适的HTML解析器来实现此功能。我建议使用Nokogiri工具来处理：

require 'nokogiri'
# ...
s = "<a href='http://example.com'>incomplete"
Nokogiri::HTML::fragment(sanitize(s, :tags => ['a', 'p'])).to_xml
# => "<a href=\"http://example.com\">incomplete</a>"

这将始终返回有效的XML。当然，您可以将其打包到自己的辅助方法中，以便更轻松地使用。

- Niklas B.

---

谢谢，但是我看到TypeError: can't convert Symbol into Integer的响应，它可以处理纯文本。这是Nokogiri 1.5.2。 - mahemoff

@mahemoff: 这里Nokogiri::HTML::fragment("<a href='http://example.com'>incomplete").to_xml很好用。你尝试的实际标签混乱是什么？ - Niklas B.

实际上，它看起来是传递给sanitize的第二个参数。就像原始问题中一样，允许的标签需要在哈希中，以:tags =>为键。Nokogiri :: HTML :: fragment（sanitize（'test <a href =“http://example.com”> incomplete'，：tags => ['a'，'p']））。to_xml可以工作。 - mahemoff

顺便提一下，当我处理国际化时，我注意到 to_xml 可能最好改为 to_html。后者会转义Unicode实体，例如 &#123。 - mahemoff

Answer 2

更新后的答案是

 s = "<a href='http://example.com'>incomplete"
 html = sanitize(s, tags: %w[a p])
 Nokogiri::HTML::DocumentFragment.parse(html).to_html

- jvnill

---

最后一行单独使用对我非常有效，而且还关闭了未关闭的标签。 - Max Williams