使用修改的Nokogiri解析Wikitext？
问题描述：
对于这个问题的长度抱歉，它更像是“这是可能的”而不是“我该怎么做”。使用修改的Nokogiri解析Wikitext？
我的目标是从*标记中除去纯文本 - 表格，模板，格式。是否在wikitext markup（例如''bold text''）或HTML（<b>bold text</b>）中。
维基文本是自定义标签的混合：模板{{ ... }}，表{| ... |}，链接[[ ... ]]和HTML元素。解析它是一种噩梦。你不能使用正则表达式，因为标签可以嵌套，并且它可以包含HTML，所以几乎任何事情都是可能的。我想保留HTML中的一些文本（粗体文本内的东西），但其他东西如表格需要完全剥离。
我想到了，再重新考虑像引入nokogiri XML解析器，加入{{/}}以替代<x>/</x>。
有谁知道Nokogiri（或另一个Ruby XML解析器）知道这是否可能，甚至是一个好主意？
我的替代方案是为wiki标记重新使用现有的解析器WikiCloth，然后尝试通过其他方法删除任何剩余的HTML。
这是一种上下文无关的语言，所以libxml应该能够解析它。我不确定您是否可以更改分析树。大概写你自己的解析器。 – Reactormonk 2012-02-02 11:32:43
为什么不把它渲染为HTML，其中包含所有标记的内容，然后使用Nokogiri来提取原始文本？ – Phrogz 2012-02-03 06:08:45
@Progrog我可以做到这一点，我只是希望能节省一些时间，因为有很多文字需要解析。 – 2012-02-03 08:16:37