Ruby中忽略HTML标签转义HTML实体的解决方案

嘿，这个问题我之前也碰到过！核心难点就是要区分需要保留的HTML标签和需要转义的普通HTML实体，直接用CGI.escape_html肯定不行，因为它会全局转义所有<和>，把你想保留的标签也转成实体了。

我给你两种可行的解决方案，都是基于Ruby环境（因为你用了CGI模块）：

方案一：占位符替换法 #

这个方法思路很直观：先把需要保留的标签临时替换成不会被转义的占位符，转义完其他内容后再替换回来。

require 'cgi'

def smart_escape_html(content)
  # 定义你需要保留的所有HTML标签
  allowed_tags = ['<p>', '</p>', '<h1>', '</h1>', '<br/>']
  
  # 为每个允许的标签创建唯一的占位符（避免和内容冲突）
  tag_placeholders = allowed_tags.each_with_object({}) do |tag, mapping|
    # 把标签里的特殊字符换成下划线，转成大写作为占位符
    placeholder = "__#{tag.gsub(/[<>\/]/, '_').upcase}__"
    mapping[tag] = placeholder
  end

  # 第一步：把内容里的允许标签替换成占位符
  temp_content = content.dup
  tag_placeholders.each { |tag, placeholder| temp_content.gsub!(tag, placeholder) }

  # 第二步：转义所有剩下的HTML实体
  escaped_content = CGI.escape_html(temp_content)

  # 第三步：把占位符替换回原来的HTML标签
  tag_placeholders.each { |tag, placeholder| escaped_content.gsub!(placeholder, tag) }

  escaped_content
end

# 测试示例
original_msg = '<p><some message here></p>'
puts smart_escape_html(original_msg)
# 输出结果：<p>&lt;some message here&gt;</p>

方案二：拆分内容转义法 #

这个方法利用正则表达式把内容拆分成「允许的标签」和「普通文本」两部分，只对普通文本部分进行转义，再拼接起来。

require 'cgi'

def smart_escape_html(content)
  # 正则匹配所有需要保留的标签（注意转义特殊字符）
  allowed_tags_regex = /(<p>|<\/p>|<h1>|<\/h1>|<br\/>)/
  
  # 按允许的标签拆分内容，得到标签和文本交替的数组
  content_parts = content.split(allowed_tags_regex)
  
  # 遍历数组：如果是允许的标签就保留，否则转义
  escaped_parts = content_parts.map do |part|
    allowed_tags_regex.match?(part) ? part : CGI.escape_html(part)
  end

  # 拼接所有部分得到最终结果
  escaped_parts.join
end

# 测试同样有效
original_msg = '<p><some message here></p>'
puts smart_escape_html(original_msg)
# 输出：<p>&lt;some message here&gt;</p>

注意事项 #

• 如果需要保留更多标签，只需要扩展allowed_tags数组（方案一）或者更新allowed_tags_regex正则（方案二）即可。
• 占位符要尽量独特，避免和你的内容文本重复，比如用__包裹的大写标识符，基本不会和普通内容冲突。

内容的提问来源于stack exchange，提问作者atta ul mohsin