kimoto · April 6, 2012 04:34
diff --git a/gistfile1.txt b/gistfile1.txt
 # RubyのHTML/XMLパーサー、nokogiriの間違えやすい問題について
 # Nokogiri関数に渡すXMLデータのどこかのタグの属性値に"HTML"という文字が含まれていると、
 # HTML文書として解釈され、<html><body>というのが勝手に挿入される。そのため本来マッチするはずのXPathがマッチしなくなったりする。
 #
 # Nokogiri::XMLかNokogiri::HTMLを使いましょう! (当たり前)
 # でも属性値にHTMLという文字が含まれてるだけでHTML文書として解釈するのはまずい気がする。。
 #
 # ruby 1.9.3p0 (2011-10-30 revision 33570) [x86_64-darwin10.8.0]
 # nokogiri (1.5.0)
 require 'nokogiri'
 xml = <<EOT
 <Items>
  <Item key="HTML"></Item>
 </Items>
 EOT

 puts Nokogiri(xml).to_s
 # =>  <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
 #     <html><body><items><item key="HTML"></item></items></body></html>
	# RubyのHTML/XMLパーサー、nokogiriの間違えやすい問題について
	# Nokogiri関数に渡すXMLデータのどこかのタグの属性値に"HTML"という文字が含まれていると、
	# HTML文書として解釈され、<html><body>というのが勝手に挿入される。そのため本来マッチするはずのXPathがマッチしなくなったりする。
	#
	# Nokogiri::XMLかNokogiri::HTMLを使いましょう! (当たり前)
	# でも属性値にHTMLという文字が含まれてるだけでHTML文書として解釈するのはまずい気がする。。
	#
	# ruby 1.9.3p0 (2011-10-30 revision 33570) [x86_64-darwin10.8.0]
	# nokogiri (1.5.0)
	require 'nokogiri'
	xml = <<EOT
	<Items>
	<Item key="HTML"></Item>
	</Items>
	EOT

	puts Nokogiri(xml).to_s
	# => <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
	# <html><body><items><item key="HTML"></item></items></body></html>