时间戳

首页 > 解决方案 > Nokogiri 使用 .empty 对空字符串返回 False？

ruby - Nokogiri 使用 .empty 对空字符串返回 False？

问题描述

我正在尝试使用基于 Nokogiri 的 gem ruby<p> ​​-readability 从文档中删除空标签。在控制台中使用可以正常工作，如下所示：.strip.empty?

irb> p = Nokogiri::HTML("<p> </p>")
=> #<Nokogiri::HTML::Document...
irb> p.content
=> " "
irb> p.content.strip
=> ""
irb> p.content.strip.empty?
=> true

在ruby​​-readability gem中运行相同的操作，正在返回false。

在该方法中，我添加了一个额外的调用来测试<p> </p>我的测试 HTML 文档中的行：

if @options[:remove_empty_nodes]
  node.css("p").each do |elem|
    puts "IS IT EMPTY?"
    puts element.content.strip.empty?
    elem.remove if elem.content.strip.empty?
  end
end

IS IT EMPTY?
false

为什么这又回来了false？

更新：

根据下面的讨论，我在 HTML 文档中添加了一个新元素：<p></p>. 如果我打电话element.content.bytes.inspect或element.content.strip.bytes.inspect得到这个：

ELEMENT:
<p> </p>
[194, 160]
ELEMENT:
<p></p>
[]

在 IRB 中，.strip似乎正在工作：

irb> p.content.bytes.inspect
=> "[32]"
irb> p.content.strip.bytes.inspect
=> "[]"

标签： rubynokogiri

解决方案

32十进制是0x20十六进制或"\u0020"，这是UTF-8中的一个空格，并且String#strip知道如何处理它。字节[194, 160]是"\u00a0"一个不间断的空格：它看起来像一个空格，但String#strip不会将其识别为空格，因为：

空白定义为以下任何字符：null、水平制表符、换行符、垂直制表符、换页符、回车符、空格。

您可以使用空格字符属性而不是#strip：

elem.remove if elem.content.gsub(/\p{Space}/, '').empty?

推荐阅读