Как переносить слова в HTML-документе без атрибутов и названий тегов

#html #ruby #parsing #nokogiri #text-processing

#HTML #ruby #синтаксический анализ #nokogiri #обработка текста #Синтаксический анализ

Вопрос:

У меня есть HTML-документ, в котором есть длинные слова:

 <div>this is a veeeeeeeeeeeerryyyyyyyyloooongwoooord<img src="/fooooooooobaaar.jof" ></div>

Я хочу переносить его в word, не обрезая теги или их атрибуты:

 <div>this is a veeeeeeeeeeeerryyyyy yyyloooongwoooord<img src="/fooooooooobaaar.jof" ></div>

Также, возможно, что у меня вообще не будет никакого HTML-тега.

Я попробовал Nokogiri, но он вставляет абзац во ввод без тегов и оборачивает весь ответ HTML-документом, что не входит в мои намерения.

Каков наилучший способ добиться этого?

 require "Nokogiri"
class String
  def wrap()
    doc = Nokogiri::HTML(self)
    doc.at("body").traverse do |p|
      if p.is_a?(Nokogiri::XML::Text)
        input = p.content
        p.content = input.scan(/.{1,25}/).join(" ")
      end
    end
    doc.to_s # I want only the wrapped string, without the head/body stuff
  end
end

Ответ №1:

Я думаю, что использование Nokogiri:: XML (self) вместо Nokogiri:: HTML (self) поможет вам.

Ответ №2:

Это похоже на отправную точку для вас:

 require 'nokogiri'

max_word_length = 30
html = '<div>this is a veeeeeeeeeeeerryyyyyyyyloooongwoooord<img src="/fooooooooobaaar.jof" ></div>'

doc = Nokogiri::HTML.fragment(html)

doc.search('text()').each do |n|
  n.content = n.content.split(' ').map { |l|
    if (l.size > max_word_length)
      l = l.scan(/.{1,#{ max_word_length }}/).join("n")
    end
    l
  }.join(' ')
end

puts doc.to_html
# >> <div>this is a veeeeeeeeeeeerryyyyyyyyloooong
# >> woooord<img src="/fooooooooobaaar.jof">
# >> </div>