从Ruby中的字符串中删除XML实体

Question

我尝试用simple-rss lib解析RSS chaanal。

不幸的是，我在node中得到了很多垃圾：

 <description>&lt;p&gt;
some decryption

&lt;/p&gt;
 &lt;a href="http://url.com/trac/xxx/wiki/foo?action=diff&amp;amp;version=28"&gt;(diff)&lt;/a&gt;</description>

我需要检索文本(“一些描述”)和可选的url。

做这件事最好的方法是什么？Regexp (如果这是答案，你能给我举个例子吗？)？

Answer 1

那不是垃圾。它只是一个经过HTML过滤的字符串。我假设url指的是html标签(<a></a>)。下面的代码应该可以工作。

require 'cgi'
description = "</p> <a href=\"http://url.com/trac/xxx/wiki/foo?action=diff&version=28\">(diff)</a>"
CGI.unescapeHTML(description) # => </p> <a href="http://url.com/trac/xxx/wiki/foo?action=diff&amp;version=28">(diff)</a>

如果你不想要html标签，有多种方法可以获得url。一个简单的url正则表达式应该可以工作，我留给你去弄清楚。(提示-谷歌)