Eu estou com uma pequeno dificuldade em consumir um HTML gerado por uma página de terceiros, onde o HTML está com algumas tags de fechamento faltando.
Por exemplo:
<div>
<li>
<div>
<div>test
test
</div>
<li>
<div>test
<div>test2</div>
</div>
Executando o parse do Nokogiri
html = Nokogiri::HTML(open('origem.html'))
O resultado é:
Ou em HTML:
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body><div>
<li>
<div>
<div>test
test
</div>
<li>
<div>test
<div>test2</div>
</div>
</li>
</div>
</li>
</div></body></html>
Sendo que o correto seria algo parecido com:
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body>
<div>
<li>
<div>
<div>test
test
</div>
</div>
</li>
<li>
<div>test
<div>test2</div>
</div>
</li>
</div>
</body></html>