我在用nekohtml+dom4j解析html文档时遇到了一些问题。
我发现我的xpath表达式不再工作了，因为最近在html源代码中添加了一个新的默认html xml名称空间。
规格说明：
前缀xmlns仅用于
声明命名空间绑定并由
绑定到命名空间名称的定义
http://www.w3.org/2000/xmlns/它必须
不申报。其他前缀必须
未绑定到此命名空间名称，
它不能被宣布为
默认命名空间。元素名必须
没有前缀xmlns。
但在我的html文档中，最近（我猜）在html标记中添加了：xmlns=“http://www.w3.org/1999/xhtml”
我找到了两个解决方案：
1）删除命名空间：
DOMParser parser = new DOMParser();
parser.setFeature("http://xml.org/sax/features/namespaces", false);
parser.parse(url);
Map<String,String> XPATH_NAMESPACES = new HashMap<String, String>();
XPATH_NAMESPACES.put("my_prefix", "http://www.w3.org/1999/xhtml");
XPath xpath = document.createXPath(xpathExpr);
xpath.setNamespaceURIs(XPATH_NAMESPACES);
Element element = (Element) xpath.selectSingleNode(document);
最佳答案
在您的问题中显然有很多混淆，如果不编写一个完整的XML名称空间教程，很难解决这个问题。我会尽我所能地试着把它们与（x）html联系起来。
首先，名称空间的目的是分离词汇表。因此，例如，当title命名空间中的http://www.w3.org/1999/xhtml元素出现在同一文档中或由公共处理器处理时，可以将其与title命名空间中的http://www.w3.org/2000/svg元素区分开来。
第二，忘记http://www.w3.org/2000/xmlns/名称空间。它的作用很大程度上是在幕后，你很少需要担心它。
接下来，我们需要区分空命名空间、默认命名空间和前缀引用的命名空间。
当XML文件没有定义xmlns=属性时，所有未固定的元素都被称为“在空命名空间中”，或者“在没有命名空间中”，这等于相同的东西。
当一个xml元素有一个xmlns=属性时，它和它的子元素（如果它们是不固定的）被称为“在默认名称空间中”，其中默认名称空间是xmlns属性的值。
前缀元素始终位于由元素或元素祖先中的xmlns:prefix=属性映射的命名空间中。
现在，xhtml词汇表被定义为http://www.w3.org/1999/xhtml命名空间中的元素，因此正确编写的xhtml文档将声明该命名空间为默认命名空间，或者将前缀映射到命名空间，在这种情况下，所有xhtml元素都需要在其名称中包含该前缀。（后一种情况并不经常发生，原因如下）。
因此，当使用xml解析器解析xhtml时，需要有名称空间映射。
但是，xpath没有默认名称空间的概念。如果不在xpath中命名的元素上加前缀，它将尝试匹配空命名空间中的元素。如果xhtml元素在http://www.w3.org/1999/xhtml命名空间中，那么xpath将不匹配任何内容。
这就是它开始变得复杂的地方-浏览器。
如果您按照您应该的方式向浏览器提供xhtml网页，使用application/xhtml+xml这样的xml内容类型，浏览器将使用xml解析器来加载它，并应用所有上述规则。如果不包含xmlns="http://www.w3.org/1999/xhtml"属性，浏览器将不了解如何处理它，而只是将文件显示为原始xml结构。
然而，因为IE9之前的IE不支持XML内容类型，所以很少有人会这样为他们的网页服务。相反，它们使用“text/html”内容类型，在这种情况下，浏览器根本不使用xml解析器，而是使用html解析器。
html解析器只是忽略名称空间到前缀的映射，而只是“知道”哪些元素名称属于哪个名称空间。这使得它最终不那么灵活，但在其专门领域内，更加健壮和易于使用。（在上面的title元素示例中，它通过查看title的祖先元素来确定应用哪个名称空间）这就是xhtml文档不使用前缀元素的原因，因为html解析器无法识别它们。
浏览器（不管怎样是现代的浏览器）有专门的类似dom的api方法和css规则来隐藏javascript和css作者的所有名称空间复杂性，因此，在大多数情况下，web作者可以安全地忽略名称空间。
但是，独立的html解析器并不总是这样做。相反，它们将所有元素放在空名称空间中，这意味着可以使用xpath找到这些元素，xpath使用标准domapi在元素名称上不包含前缀。在大多数实际应用中，这与浏览器使用HTML解析器解析时的情况相同。
因此，总而言之，您需要知道您是使用XML解析器还是HTML解析器解析XHTML，以及该特定解析器如何将元素分配给命名空间，以便能够编写正确的XPath来查询文档中的元素。
关于html - HTML，XMLNS， namespace ，XML，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/5709337/
我想将html转换为纯文本。不过，我不想只删除标签，我想智能地保留尽可能多的格式。为插入换行符标签，检测段落并格式化它们等。输入非常简单，通常是格式良好的html(不是整个文档，只是一堆内容，通常没有anchor或图像)。我可以将几个正则表达式放在一起，让我达到80%，但我认为可能有一些现有的解决方案更智能。 最佳答案 首先，不要尝试为此使用正则表达式。很有可能你会想出一个脆弱/脆弱的解决方案，它会随着HTML的变化而崩溃，或者很难管理和维护。您可以使用Nokogiri快速解析HTML并提取文本:require'nokogiri'h
我有一个对象has_many应呈现为xml的子对象。这不是问题。我的问题是我创建了一个Hash包含此数据，就像解析器需要它一样。但是rails自动将整个文件包含在.........我需要摆脱type="array"和我该如何处理？我没有在文档中找到任何内容。 最佳答案 我遇到了同样的问题；这是我的XML:我在用这个:entries.to_xml将散列数据转换为XML，但这会将条目的数据包装到中所以我修改了:entries.to_xml(root:"Contacts")但这仍然将转换后的XML包装在“联系人”中，将我的XML代码修改为
在我的Controller中，我通过以下方式在我的index方法中支持HTML和JSON:respond_todo|format|format.htmlformat.json{renderjson:@user}end在浏览器中拉起它时，它会自然地以HTML呈现。但是，当我对/user资源进行内容类型为application/json的curl调用时(因为它是索引方法)，我仍然将HTML作为响应。如何获取JSON作为响应？我还需要说明什么？ 最佳答案 您应该将.json附加到请求的url，提供的格式在routes.rb的路径中定义。这
所以我在关注Railscast，我注意到在html.erb文件中，ruby代码有一个微弱的背景高亮效果，以区别于其他代码HTML文档。我知道Ryan使用TextMate。我正在使用SublimeText3。我怎样才能达到同样的效果？谢谢! 最佳答案 为SublimeText安装ERB包。假设您安装了SublimeText包管理器*，只需点击cmd+shift+P即可获得命令菜单，然后键入installpackage并选择PackageControl:InstallPackage获取包管理器菜单。在该菜单中，键入ERB并在看到包时选择
我正在使用Rails构建一个简单的聊天应用程序。当用户输入url时，我希望将其输出为html链接(即“url”)。我想知道在Ruby中是否有任何库或众所周知的方法可以做到这一点。如果没有，我有一些不错的正则表达式示例代码可以使用... 最佳答案 查看auto_linkRails提供的辅助方法。这会将所有URL和电子邮件地址变成可点击的链接(htmlanchor标记)。这是文档中的代码示例。auto_link("Gotohttp://www.rubyonrails.organdsayhellotodavid@loudthinking.
我正在学习http://ruby.railstutorial.org/chapters/static-pages上的RubyonRails教程并遇到以下错误StaticPagesHomepageshouldhavethecontent'SampleApp'Failure/Error:page.shouldhave_content('SampleApp')Capybara::ElementNotFound:Unabletofindxpath"/html"#(eval):2:in`text'#./spec/requests/static_pages_spec.rb:7:in`(root)'
我正在尝试将一个简单的CSV文件读入HTML表格以在浏览器中显示，但我遇到了麻烦。这就是我正在尝试的:Controller:defshow@csv=CSV.open("file.csv",:headers=>true)end查看:输出:NameStartDateEndDateQuantityPostalCode基本上我只获取标题，而不会读取和呈现CSV正文。 最佳答案 这最终成为最终解决方案:Controller:defshow#OpenaCSVfile,andthenreaditintoaCSV::Tableobjectforda
我想用Nokogiri解析HTML页面。页面的一部分有一个表，它没有使用任何特定的ID。是否可以提取如下内容:Today,3,455,34Today,1,1300,3664Today,10,100000,3444,Yesterday,3454,5656,3Yesterday,3545,1000,10Yesterday,3411,36223,15来自这个HTML:TodayYesterdayQntySizeLengthLengthSizeQnty345534345456563113003664354510001010100000344434113622315
考虑一下:现在这些情况:#output:http://domain.com/?foo=1&bar=2#output:http://domain.com/?foo=1&bar=2#output:http://domain.com/?foo=1&bar=2#output:http://domain.com/?foo=1&bar=2我需要用其他字符串输出URL。我如何保证＆符号不会被转义？由于我无法控制的原因，我无法发送&。求助!把我的头发拉到这里:\编辑:为了澄清，我实际上有一个像这样的数组:@images=[{:id=>"fooid",:url=>"http://
我正在使用Maruku，将Markdown(超集)转换为HTML，你知道我该怎么做才能从HTML转换为Markdown吗？ 最佳答案 Google发现了一个名为reverse_markdown的ruby脚本.它似乎可以满足您的需求。 关于ruby-on-rails-我需要从HTML转到markdown，有什么建议吗？，我们在StackOverflow上找到一个类似的问题： https://stackoverflow.com/questions/175162