格式规范的<script>标签为何在Nokogiri::HTML严格模式下引发解析错误？

你遇到的这个问题其实是XML严格解析规则和HTML解析规则的差异导致的，咱们一步步拆解：

为什么会报错？ #

你的测试用例里用了Nokogiri::HTML但传入了Nokogiri::XML::ParseOptions::STRICT——这相当于强制用XML的严格规则去解析HTML内容。

在XML的严格模式下，解析器不会把<script>标签的内容当作特殊的脚本文本处理，它会逐字解析里面的所有内容：

• 你的原始HTML字符串<script> $('<a></a>') </script>会被先转义成：<script> $('</a>') </script>
• XML解析器看到里面的<a>，会把它当成一个未闭合的XML标签，后面的</a>就变成了一个无匹配的闭合标签，自然就抛出了Unexpected end tag : a的错误。

而HTML解析器本身就知道<script>标签内的内容是脚本代码，不会尝试解析里面的HTML标签，哪怕是严格模式也会正确处理这种场景。

修复方案 #

方案1：使用HTML的严格解析选项 #

把XML的解析选项换成HTML专属的严格模式，这样既保留严格校验，又遵循HTML的解析规则：

def test_strict_Nokogiri
  html = "<script> $('<a></a>') </script>"
  # 改用HTML的STRICT选项
  doc = Nokogiri::HTML(html, nil, nil, Nokogiri::HTML::ParseOptions::STRICT)
  assert_empty doc.errors
end

方案2：给脚本内容包裹CDATA（如果一定要用XML严格模式） #

如果你必须使用XML的严格解析规则，需要手动把<script>内的代码用CDATA块包裹，告诉XML解析器这部分是纯文本，不要解析：

def test_strict_Nokogiri
  # 给脚本内容加上CDATA包裹
  html = "&lt;script&gt;//<![CDATA[ $('&lt;a&gt;&lt;/a&gt;') //]]&gt;&lt;/script&gt;"
  doc = Nokogiri::HTML(html, nil, nil, Nokogiri::XML::ParseOptions::STRICT)
  assert_empty doc.errors
end

这样修改后，你的断言就能通过啦！

内容的提问来源于stack exchange，提问作者Phlip