Module: StringTools::HTML

Defined in:
lib/string_tools/html.rb

Defined Under Namespace

Classes: LinksRemoveScrubber

Constant Summary collapse

TEXT_WITH_LINKS_MINIMUM_LENGTH =

минимальная длина строки, в которой могут быть ссылки

'<a href="'.length
HTML_SERIALIZE_OPTIONS = 
{
  indent: 0,
  # сериализуем в xhtml, поскольку при сериализации в html, libxml2 делает чуть больше, чем хотелось бы:
  # http://stackoverflow.com/questions/24174032/prevent-nokogiri-from-url-encoding-src-attributes
  save_with: Nokogiri::XML::Node::SaveOptions::AS_XHTML
}

Class Method Summary collapse

Class Method Details

Public: Удаляет ссылки на неразрешенные домены

html - String содержимое потенциально ненужных ссылок options - Hash

:whitelist - Array of String разрешенныe домены

Examples

html = '<a href="https://www.yandex.ru">yandex</a>'

StringTools::HTML.remove_links(html, whitelist: ['google.com'])
# => 'yandex'

StringTools::HTML.remove_links(html, whitelist: ['yandex.ru'])
# => '<a href="https://www.yandex.ru">yandex</a>'

StringTools::HTML.remove_links(html, whitelist: ['www.yandex.ru'])
# => '<a href="https://www.yandex.ru">yandex</a>'

html = '<a href="https://yandex.ru">yandex</a>'

StringTools::HTML.remove_links(html, whitelist: ['www.yandex.ru'])
# => 'yandex'

Returns String without links to external resources



42
43
44
45
46
47
48
49
50
51
52
53
54
55
 
# File 'lib/string_tools/html.rb', line 42

def self.remove_links(html, options = {})
  return html if html.length < TEXT_WITH_LINKS_MINIMUM_LENGTH

  doc = Nokogiri::HTML::DocumentFragment.parse(html)
  scrubber = LinksRemoveScrubber.new(options)

  doc.css('a').each { |node| scrubber.call node }

  if scrubber.done_changes?
    doc.children.map { |node| node.serialize HTML_SERIALIZE_OPTIONS }.join
  else
    html
  end
end