htmlsplit / htmlrepair | Netsphere Laboratories

処理命令 (PI) HTMLテキストの文字コードがUTF-8のときに、次のように明示的に指定すると、属性値でのコードポイント0x100以上の文字参照を取り込むようになる。UTF-8でないときは、実体参照（&lt;など）および0xff以下の文字参照のみを取り込む。 require "htmlsplit" require "htmlsplit" scanner = HTMLSplit.new("<foo bar='&#x3220;'>", "UTF8") scanner.document.each {|tag| puts tag} 実行結果は次のとおり。 <foo bar="㈠"> 制限について htmlsplitは、簡便なHTMLスキャナなので、動作に一部制限がある。 地の文（要素の内容）の実体参照・文字参照は取り込まない。&lt;や&#41;はそのまま残る。 XML形式の空要素タグの書き方

[phare]

つかわせてもらいます

[teramaku]

HTMLパーサ

[tks_period]

それぞれの改良版パッチ。