如何使用Nokogiri获取剔除所有文本内容的完整HTML结构

正确实现方案 #

直接定位所有文本节点并移除即可，不会破坏原有标签结构：

require 'nokogiri'
x = "<html>  <body>  <div class='example'><span>Hello</span></div></body></html>"
doc = Nokogiri::HTML.parse(x)
# 匹配所有文本节点并删除
doc.xpath("//text()").remove
# 输出时使用save_with: 0可以避免Nokogiri自动添加缩进、DOCTYPE等额外内容
puts doc.to_html(save_with: 0)

运行后输出结果：

<html><body><div class="example"><span></span></div></body></html>

原有代码错误原因 #

• 之前使用的//*[not(text())]XPath规则，仅匹配没有直接子文本节点的元素，示例中<span>包含Hello文本，所以不会被匹配到，无法处理该层级的文本内容
• 调用a.children.remove会删除元素的所有子节点，除了文本节点外也会把子元素一并删除，会破坏原有的标签嵌套结构

内容的提问来源于stack exchange，提问作者jayp