Ruby で文字実体参照や数値文字参照をデコードする方法

何を使って実装するのが妥当なのか。

Oga と htmlentities は String#gsub での置換で実装されている。
一方で Nokogiri はパースしてからテキストノードの値として取得する実装っぽい。

Oga を使っているなら Oga を使い、そうでないなら、htmlentities を入れて使うのが手頃だろうか。

CGI.unescape_html

文字参照は & > < " のみ対応。

• singleton method CGI.unescapeHTML (Ruby 2.3.0)

CGI.unescape_html('©') # => "©"
CGI.unescape_html('&')  # => "&"
CGI.unescape_html('
')  # => "\n"

gem: htmlentities

• threedaymonk/htmlentities: HTMLEntities is a simple library to facilitate encoding and decoding of named (ý and so on) or numerical ({ or Ī) entities in HTML and XHTML documents.

HTMLEntities.new.decode('©') # => "©"
HTMLEntities.new.decode('&')  # => "&"
HTMLEntities.new.decode('
')  # => "\n"

gem: Nokogiri

• sparklemotion/nokogiri: Nokogiri (鋸) is an HTML, XML, SAX, and Reader parser with XPath and CSS selector support.

Nokogiri::HTML.parse('©').text # => "©"
Nokogiri::HTML.parse('&').text  # => "&"
Nokogiri::HTML.parse('
').text  # => "\n"

gem: Oga

YorickPeterse/oga: Oga is an XML/HTML parser written in Ruby.

Oga::HTML::Entities.decode('©') # => "©"
Oga::HTML::Entities.decode('&')  # => "&"
Oga::HTML::Entities.decode('
')  # => "\n"