如何使用Nokogiri::HTML.fragment避免生成多余自定义标签

这个问题其实是Nokogiri的HTML解析器在“过度帮忙”——它会按照HTML规范的容错规则，自动补全不完整的标签结构，导致你输入的纯文本里的<被误识别成了HTML标签的开头。下面给你两种针对性的解决方案，你可以根据自己的需求选择：

方案1：把用户输入当作纯文本处理（推荐普通文本输入场景） #

如果用户输入的内容就是纯文本，不需要解析其中的HTML标签，那直接创建文本节点就好，Nokogiri会自动帮你转义所有特殊字符，彻底避免被误解析：

user_input = "One <two three"
fragment = Nokogiri::HTML::DocumentFragment.new
fragment.add_child(Nokogiri::XML::Text.new(user_input, fragment.document))

# 输出结果："One &lt;two three"
puts fragment.to_html

这种方式最稳妥，因为它明确告诉Nokogiri：这段内容就是纯文本，不要当成HTML来解析。

方案2：允许合法HTML标签，但拒绝补全不完整标签 #

如果你需要保留用户输入的合法HTML标签，同时不想让不完整的<xxx被补全成闭合标签，可以改用Nokogiri的XML片段解析器——XML对标签闭合的要求更严格，不会自动补全不完整的结构：

user_input = "One <two three"
fragment = Nokogiri::XML.fragment(user_input)

# 输出结果："One <two three"
puts fragment.to_html

不过要注意，XML解析器的行为和HTML略有不同，比如它不会自动处理HTML特有的自闭合标签（比如<br>可能会被解析成<br></br>），所以如果你的场景涉及大量标准HTML标签，方案1会更适配。

为什么原来的方法会出问题？ #

Nokogiri::HTML.fragment使用的是HTML5解析器，它天生带有“容错”特性——遇到不完整的标签结构时，会自动补全闭合标签，把<two three当成<two three></two>来处理，这就是你看到输出多了</two>的原因。

内容的提问来源于stack exchange，提问作者Shalinga Manasinghe