『"』や『&』などの謎の文字列がでてきた【特殊文字】

解決策

HTMLを覗いていると時々出会う " や & などの "&~~~;" は特殊文字と呼ばれるもの。

HTMLから情報を取得する際は下記のように置き換えよう。

# 出現頻度が高い文字

# ダブルクォーテーションを変換
.gsub('"', '"')
.gsub('"', '"')

# アポストロフィを変換
.gsub(''', "'")
.gsub(''', "'")

# アンパサンド（アンド）を変換
.gsub('&', '&')
.gsub('&', '&')

特殊文字とは

HTMLで " < " や " " " などを文字列として表したいときに使う方法
「文字実体参照」と「数値文字参照」の2種類の表示方法がある

代表的なものは以下

文字	文字実体参照	数値文字参照	説明
<	&lt;	&#60;	不等号（小なり）
>	&gt;	&#62;	不等号（大なり）
&	&amp;	&#38;	アンパサンド（アンド）
"	&quot;	&#34;	ダブルクォーテーション（二重引用符）
'	&apos;	&#39;	シングルクォーテーション（引用符）、アポストロフィ
/	&sol;	&#47;	スラッシュ
%	&percnt;	&#37;	パーセント

実際に使ってみると

<p> 例文だよ </p>
&lt;p&gt; 例文2だよ　&lt;&#47;p&gt;

例文だよ

<p> 例文2だよ </p>

参考