Как нормализовать соседние теги <i>внутри тега <p>

Question

Я пытаюсь написать алгоритм для нормализации дочерних элементов тега «p»

<p><i>this text</i> <i>is italic</i></p>

с ожидаемым результатом

<p><i>this text is italic</i></p>

Написанный мной алгоритм:

def add_style_to_spaces_between_tags(card_text)
    doc = Nokogiri.HTML(card_text)
    add_char = ""
    # Iterate on all nodes within p tags
    doc.search('p').children.each do |child|
      if add_char != ""
        first_text_node = find_first_text_node(child)
        if first_text_node.present?
          first_text_node.content = add_char + first_text_node.content
          add_char = ""
        end
        next
      end
      #if the node is a space or a nbsp
      if child.text == " " || child.text == 160.chr(Encoding::UTF_8)
        prev_node = child.previous.name
        next_node = child.next.name
        # Only if the the surrounding nodes to space/nbsp are matching and the previous is not a br tag
        # then set the add_char flag to move the space/nbsp to the next node
        if prev_node != 'br' && prev_node == next_node
          case(child.text)
            when " "
             add_char = child.content
            when 160.chr(Encoding::UTF_8)
             add_char = 160.chr(Encoding::UTF_8)
            end
          child.remove
        end
      end
    end
    doc.search('p').each do |p_node|
      doc = merge_text_nodes(p_node)
    end
    card_text = doc.inner_html
    card_text
  end
    
  def find_first_text_node(node)
    result = nil
    node.search('.//text()').each { |t|
      if t.content.length > 0
        result = t
        break
      end
    }
    result
  end

  def merge_text_nodes(node)
    puts 'text node'
    puts node
    prev_is_text = false

    newnodes = []
    node.children.each do |element|
      if element.text?
        if prev_is_text
          newnodes[-1].content += element.text
        else
          newnodes << element
        end
        element.remove
        prev_is_text = true
      else
        newnodes << merge_text_nodes(element)
        element.remove
        prev_is_text = false
      end
    end

    node.children.remove
    newnodes.each do |item|
      node.add_child(item)
    end

    return node
  end

но результат:

<p><i>this text</i><i> is italic</i></p>

Как я могу получить желаемый результат?

Набор модульных тестов Rspe c:

describe "Italicize spaces between italics" do
    it "production case" do
      node = '<p><span tts:fontStyle="italic">der</span> <span tts:fontStyle="italic">Tri-Circle-D Ranch begrüßt:</span></p>'
      expect(helper.add_style_to_spaces_between_tags(node)).
          to eq('<p><span tts:fontstyle="italic">der Tri-Circle-D Ranch begrüßt:</span></p>')
      end
    it "production case with nbsp" do
      node = '<p><span tts:fontStyle="italic">der</span>&nbsp;<span tts:fontStyle="italic">Tri-Circle-D Ranch begrüßt:</span></p>'
      expect(helper.add_style_to_spaces_between_tags(node)).
          to eq("<p><span tts:fontstyle=\"italic\">der\u00A0Tri-Circle-D Ranch begrüßt:</span></p>")
    end
    it "space between 2 i tags" do
      node = '<p><i>this text</i> <i>is italic</i></p>'
      expect(helper.add_style_to_spaces_between_tags(node)).to eq('<p><i>this text is italic</i></p>')
      end
    it "non breaking space between 2 i tags" do
      node = '<p><i>this text</i>&nbsp;<i>is italic</i></p>'
      expect(helper.add_style_to_spaces_between_tags(node)).to eq("<p><i>this text\u00A0is italic</i></p>")
    end
    it "No space between 2 i tags" do
      node = '<p><i>this text</i><i>is italic</i></p>'
      expect(helper.add_style_to_spaces_between_tags(node)).to eq('<p><i>this textis italic</i></p>')
      end
    it "space between 2 i tags with br included before space" do
      node = '<p><i>this text</i><br> <i>is italic</i></p>'
      expect(helper.add_style_to_spaces_between_tags(node)).to eq('<p><i>this text</i><br> <i>is italic</i></p>')
      end
    it "non breaking space between 2 i tags with br included before nbsp" do
      node = '<p><i>this text</i><br>&nbsp;<i>is italic</i></p>'
      expect(helper.add_style_to_spaces_between_tags(node)).to eq("<p><i>this text</i><br>\u00A0<i>is italic</i></p>")
      end
    it "space between 2 i tags with br included after space" do
      node = '<p><i>this text</i> <br><i>is italic</i></p>'
      expect(helper.add_style_to_spaces_between_tags(node)).to eq('<p><i>this text</i> <br><i>is italic</i></p>')
      end
    it "non breaking space between 2 i tags with br included after nbsp" do
      node = '<p><i>this text</i>&nbsp;<br><i>is italic</i></p>'
      expect(helper.add_style_to_spaces_between_tags(node)).to eq("<p><i>this text</i>\u00A0<br><i>is italic</i></p>")
      end
    it "space between 2 i tags with br included before and after space" do
      node = '<p><i>this text</i> <br> <i>is italic</i></p>'
      expect(helper.add_style_to_spaces_between_tags(node)).to eq('<p><i>this text</i> <br> <i>is italic</i></p>')
      end
    it "non breaking space between 2 i tags with br included before and after nbsp" do
      node = '<p><i>this text</i>&nbsp;<br>&nbsp;<i>is italic</i></p>'
      expect(helper.add_style_to_spaces_between_tags(node)).to eq("<p><i>this text</i>\u00A0<br>\u00A0<i>is italic</i></p>")
      end
    it "space between 2 i tags with a nested u tag in the first i tag" do
      node = '<p><i><u>this text</u></i> <i>is italic</i></p>'
      expect(helper.add_style_to_spaces_between_tags(node)).to eq('<p><i><u>this text</u> is italic</i></p>')
    end       
  end

Answer 1

Вы делаете это намного сложнее, чем нужно:

require 'nokogiri'

doc = Nokogiri::HTML('<p><i>this text</i> <i>is italic</i></p>')
doc.search('p i+i').each do |pii|
  pii.parent.inner_html = '<i>' + pii.parent.text + '</i>'
end

В результате получается:

doc.to_html
# => "<!DOCTYPE html PUBLIC \"-//W3C//DTD HTML 4.0 Transitional//EN\" \"http://www.w3.org/TR/REC-html40/loose.dtd\">\n" +
#    "<html><body><p><i>this text is italic</i></p></body></html>\n"

'p i+i' сообщает Nokogiri найти все <p><i>...</i>...<i>...</i> узлы. Как только они у вас есть, l oop через них, указывая на родительский узел <p>, возьмите содержащийся текст и заново оберните его тегом <i>.

В вашем коде, как только вы использовали children вы упали в кроличью нору. Итерация DOM - это почти никогда правильное решение. Положитесь на селекторы и методы Нокогири. Они доступны не зря.