为什么HTML::fragment不起作用而::XML起作用？

Question

我一直试图在一些HTML片段上运行一些处理，在使用Nokogiri时，我遇到了一个我似乎无法理解的问题。

我使用的是以下代码：

doc = Nokogiri::HTML::fragment xml

doc.search("//text()[contains(.,'#{@wordbefore}')]").each do |node|
  node.replace(node.content.gsub(/#{@wordbefore}/, ''))
end

使用该代码，将跳过整个代码块。但是，如果我使用：

doc = Nokogiri::XML xml

它确实有效。我一直在尝试弄清楚为什么会这样，为什么不能这样做，因为我实际上是在传递代码片段，并且我并不希望对内部元素或每个片段上的XML命名空间进行编码，所以我真的希望将它保留为HTML::fragment。但是不能确定这是我遇到的一个bug，还是我做错了什么。

更新:下面是我在scratch中设置的全部测试内容。还有一个注意事项。我意识到这将扼杀术语元素中的内容。在现实中，这部分并不存在，因为它在不同的阶段发生了变化，但对我来说，这是获取真实内容的最简单方法。

xml = <<-EOXML
<p dir="ltr" class="FM_Body">The Cortex-A5 MPCore processor is a high-performance, low-power, ARM macrocell with an L1 cache subsystem that provides full virtual memory capabilities. Up to four individual cores can be linked in a cache-coherent cluster, under the control of a <term>Snoop Control Unit</term> (SCU), that maintains L1 data cache coherency for memory marked as shared. The Cortex-A5 MPCore processor implements the ARMv7 architecture and runs 32-bit ARM instructions, 16-bit and 32-bit Thumb instructions, and 8-bit Java<tm tmtype="tm">Java</tm> bytecodes in Jazelle state.</p>
EOXML

doc = Nokogiri::XML xml
@wordbefore = "Java"

doc.search("//text()[contains(.,'#{@wordbefore}')]").each do |node|
 node.replace(node.content.gsub(/#{@wordbefore}/, ''))
end

p doc.to_xml

Answer 1

维护Nokogiri的人给我回了信。事实证明，这是HTML片段和Xpath搜索的一个已知问题。在我的特殊情况下，解决方案是通过.//text()而不仅仅是//text()向上爬树。