在JRuby中使用Tidy

Question

在使用Ruby调试器几个小时后，我终于了解到，在将一些格式错误的HTML页面提供给Hpricot之前，我需要清理这些页面。到目前为止，我找到的最好的解决方案是Tidy Ruby interface。

Tidy在命令行中工作得很好，而且它的界面也很好用。但是，它需要dl/import，它无法在JRuby中加载：

$ jirb
irb(main):001:0> require 'rubygems'
=> true
irb(main):002:0> require 'tidy'
LoadError: no such file to load -- dl/import

这个库是否可用于JRuby？网络搜索显示it wasn't available last year。

或者，有人可以提出其他方法来清理JRuby中格式错误的超文本标记语言吗？

更新

按照Markus的建议，我现在使用Tidy via popen而不是libtidy。我发布了通过tidy管道传递文档数据的代码，以供将来参考。希望这是健壮的和可移植的。

def clean(data)
    cleaned = nil
    tidy = IO.popen('tidy -f "log/tidy.log" --force-output yes -wrap 0 -utf8', 'w+')
    begin
        tidy.write(data)
        tidy.close_write
        cleaned = tidy.read
        tidy.close_read
    rescue Errno::EPIPE
        $stderr.print "Running 'tidy' failed: " + $!
        tidy.close
    end        
    return cleaned if cleaned and cleaned != ""
    return data
end

Answer 1

您可以在JRuby中的命令行中使用它，并使用%x{...}或反号。您可能还想考虑使用popen (并通过它传输数据)。

也许不是很优雅，但比起尝试处理不受支持的库，它更有可能让你以最小的麻烦开始工作。