Ruby中如何部分转义HTML（不转义HTML标签）

核心需求 #

需要处理三类字符串：

• 含原生特殊字符（如单引号）的普通字符串
• 含HTML实体（如'）的字符串
• 混合HTML标签与内容的字符串

要求仅转义文本内容中的特殊字符，保留HTML标签结构不被转义，同时统一处理三类字符串的格式一致性。

问题分析 #

之前使用的CGI.escapeHTML(CGI.unescapeHTML(str))会将整个字符串视为纯文本，导致HTML标签中的<、>等符号被转义成实体，破坏标签结构。

解决方案：基于HTML解析器的节点级处理 #

使用HTML解析库（如Ruby的Nokogiri）区分HTML标签与文本节点，仅对文本内容进行转义处理，保留标签完整性。

实现步骤 #

1. 将输入字符串解析为HTML片段，自动识别标签与文本节点
2. 遍历所有文本节点：先解码已有的HTML实体，再转义特殊字符
3. 输出处理后的完整HTML字符串

Ruby代码示例 #

require 'cgi'
require 'nokogiri'

def safe_escape_html(str)
  # 解析为HTML片段，保留标签结构
  doc = Nokogiri::HTML.fragment(str)
  # 遍历所有文本节点处理
  doc.xpath('.//text()').each do |text_node|
    # 解码已有实体 → 转义特殊字符
    decoded_content = CGI.unescapeHTML(text_node.content)
    escaped_content = CGI.escapeHTML(decoded_content)
    text_node.content = escaped_content
  end
  # 输出处理后的HTML
  doc.to_html
end

# 测试三类字符串
test_cases = [
  "We couldn't help",
  "We couldn't help.",
  "We couldn&#39;t help. Check <a href = https://www.google.com>link</a> for help"
]

test_cases.each do |test_str|
  puts safe_escape_html(test_str)
end

输出结果 #

We couldn't help
We couldn't help.
We couldn&#39;t help. Check <a href="https://www.google.com">link</a> for help

说明 #

• Nokogiri会自动保留HTML标签的结构，仅修改文本内容部分
• 先解码再转义的逻辑，确保原生特殊字符和已存在的HTML实体都能被统一处理为标准实体格式
• 兼容所有HTML标签类型，不受标签属性或结构影响

内容的提问来源于stack exchange，提问作者elrond2194