今天，在点击 Introducing Discourse AI 的“显示完整帖子”按钮后，我被提醒了这一点。在 Discourse 上显示的完整帖子缺少所有图片和许多标题。更令人困惑的是，图片说明显示出来了，但没有关联的图片。
通过调整 Meta 的 allowed embed selectors 站点设置：https://meta.discourse.org/t/configure-the-allowed-embed-selectors-setting/134481，或许可以修复 Meta（Ghost？）博客上的问题。根据过去的经验，我知道获取此设置可能是一个棘手的过程。如果您尝试调整它，请密切关注结果。
Discourse 作为外部帖子的评论系统有很大的潜力，但要做好这项工作，“显示完整帖子”按钮需要可靠地拉取外部帖子的所有元素。我认为问题在于用于解析外部帖子的 Ruby Readability gem 并非用于 Discourse 使用它的目的。它也没有积极维护：https://github.com/cantino/ruby-readability。
是的，在这一点上，我们要么转向其他能使其稍好一些的东西，要么改变嵌入策略，将 Show Full Post 改为 Read Full Post，这是一个指向原始帖子的简单链接。毕竟，与处理每个网站上所有可能的嵌入问题作斗争可能是徒劳的。
@sam 刚修好了，看一下。
我们正准备将博客发布到 Ghost，并利用 Ghost 与 Discourse 的集成。很高兴看到这一变化！
图片现在正在被拉入。我不擅长“找不同”类型的谜题，但我仍然看到一些不同之处：
理想情况下，“注册我们的时事通讯”提示应从嵌入的帖子中排除。
能够轻松引用嵌入的帖子似乎很重要。现在想来，我不确定当点击嵌入帖子的引用的“展开/折叠”和“转到帖子”按钮时，预期的行为是什么。
这是一个棘手的问题。它应该像清理帖子 article 或 main 元素中包含的 HTML 一样简单，但我怀疑该方法仍然存在问题。例如，如果 header 存在于 article 中，则需要一些特殊处理来防止重复博客帖子的 h1 元素。
我认为这在 readability.js 中也会发生，这是 Firefox 的阅读视图：
<h2 id="installing-discourse-ai-on-your-community">
<strong>Installing Discourse AI on your community</strong>
</h2>
看看是否有简单的方法可以解决这个问题……
不确定这一点……但如果我们真的真的想这样做，我们可以将 .discourse-newsletter-signup 添加到 blocked_embed_selectors
是的，readablity.js 基于与 GitHub - cantino/ruby-readability: Port of arc90's readability project to Ruby 相同的代码，因此很可能使用相同的逻辑来移除这些元素。不过，readablity.js 通常比 Ruby Readability 做得更好。
电子邮件的号召性用语 (CTA) 令人困惑，因为电子邮件输入框从嵌入式帖子中被剥离了。从技术上讲，我不确定号召性用语是否应该放在 article 标签内。
Just bumping this, as I agree with @simon that this should be re-thought at some point.
A fair chunk of support requests for the WP Discourse plugin are actually readability crawling issues of some form or another.
I think that sums up my gut on this.
That said, I don’t have a great solution at the moment besides this.
But I’m keen to contribute to a better solution than the status quo, as it would reduce the WP Discourse support workload.
他们确实会关注这些问题，但修复起来很慢……
设置 MiniRacer 来封装 readability 并不难……我做了一个原型。
我们有可能过渡到这个实现，但我们已经分叉了，所以最终会放弃一些功能。
这不是一个容易解决的问题。
是的，公平地说，但我认为那将是一场无休止的打地鼠游戏。总会有人问：
我网站上的帖子看起来像 X，当我点击“显示完整帖子”时，它看起来像 Y，而我希望它们是相同的。
我猜我更深层次的问题是，这种永远无法完美的功能是否真的有益，而不是
通过将其设为“显示完整帖子”按钮，人们期望获得 Discourse 永远无法完全实现的保真度。我更关心的是期望管理。
我猜你呼吁的是移除嵌入功能。我不确定我是否支持。我认为嵌入非常混乱内容的网站应该使用这种简单的“链接到原文”形式。然而，嵌入结构更好内容的网站可以使用阅读器模式，尽管它并不完美。
不一定。我说的是需要更好地管理预期。
99%的网站管理员不知道他们的 HTML 是否足够语义化，能够被 readability 这样的 gem 轻松解析，甚至不知道这个功能是如何工作的。用户的默认假设是“Discourse”（或者更常见的是 WP Discourse 插件）存在问题，当他们网站上的帖子与其内容在用户点击“显示完整帖子”时出现的内容之间没有 100% 的保真度时。
我认为，提供一个像“阅读完整帖子”这样的号召性用语（CTA）选项，并使其易于启用，甚至作为默认选项，会有所帮助。
我的意思是，Ruby Readability 是“一个用于提取网页主要可读内容的工具”。对于发布帖子到 Discourse 的网站，我认为可以安全地假设网页的主要可读内容是已知的，并且可以通过外部 CSS 选择器来定义。例如，article、.entry-content、.post 等。
我设想的工具将允许网站为其帖子的内容定义一个外部选择器，然后清理该选择器内的 HTML。一个稍微更复杂的版本将允许网站定义他们想要从 Discourse 中排除的内部选择器。
在我的 WordPress 网站上，我有一个具有完全标准标记的帖子。我想将 .entry-content div 中的所有内容发布到 Discourse。这几乎可行，但我无法弄清楚如何在 Discourse 上配置 allowed embed selector 设置来引入帖子的列表项。这是我看到网站挣扎过的问题。如果没有办法运行 Rails.cache.clear，配置起来真的很难。
将帖子发布为 onebox 是一个合理的解决方案。
编辑：debug 选项有助于弄清楚发生了什么：GitHub - cantino/ruby-readability: Port of arc90's readability project to Ruby WordPress 帖子中排除的列表：
Conditionally cleaned ul#. with weight 0 and content score 0 because it has too many links for its weight (0).
尽管如此，它仍然是一个完全合法的列表。
一个经常被问到的功能是，通过扩展嵌入来允许 YouTube 视频出现在扩展内容中。阻止这种情况发生是硬编码在 gem 中的：ruby-readability/lib/readability.rb at master · cantino/ruby-readability · GitHub PR 来通过一个选项来覆盖这个列表。
我不会对此过于兴奋，但周末我一直在用 Nokogiri 做其他事情。它有点令人上瘾。我想趁 Nokogiri 还在我脑海里的时候看看嵌入代码。
我对此感兴趣是因为我想看到 Discourse 被新闻和博客网站更广泛地使用。如果那样的话，我可以想象新的网站所有者会对当前的嵌入功能感到沮丧。这里有一个改进它的想法：
向 EmbeddableHost 模型添加两个新的可选属性：
target_selector：包含要嵌入的内容的外部 CSS 选择器exclude_selectors：要从 target_selector 选择的内容中排除的 CSS 选择器列表。应该在管理员/嵌入页面的每个 Embeddable Host 行上添加一个“配置”按钮。单击该按钮会打开一个类似于“电子邮件/预览摘要”页面的页面。
配置主机页面将有一个表单，用于输入主机的 target_selector 和 exclude_selectors 设置，以及一个 URL 字段，允许使用提供的 URL 值针对特定网页进行测试。测试基本上只是使用提供的 target_selector 和 exclude_selectors 值运行 TopicEmbed.parse_html，然后显示结果。
parse_html 代码的更改很容易测试。这是一种可能的方法。请注意，此代码仅为概念验证：
编辑到 topic_embed.rb (discourse/app/models/topic_embed.rb at main · discourse/discourse · GitHub)
###########################################################################
# `target_selector` 和 `exclude_selectors` 最好从域的 `EmbeddableHost` 记录中找到
# 这些特定的设置用于测试 boingboing.net
target_selector = 'article'
exclude_selectors = ['.article-header, .share-comments-container', '.boing-single-post-rev-content', '.next-post-list-container', '.boing-end-of-article-container-on-single-post-pages']
if defined?(target_selector) && target_selector.present?
read_doc = article_content(html, target_selector, exclude_selectors)
else
# 如果主机未设置 `target_selector`，则回退到 Readability
read_doc = Readability::Document.new(html, opts)
end
###########################################################################
为了在不创建新类的情况下进行测试，这里是将一个基本的 article_content 方法添加到 TopicEmbed 类中：
def self.article_content(html, target_selector, exclude_selectors = [])
doc = Nokogiri::HTML(html)
# 删除注释和脚本标签
doc.xpath('//comment()').each { |i| i.remove }
doc.css("script, style").each { |i| i.remove }
# 获取 target_selector 的 NodeSet
# 如果返回的集合为空，则可能回退到使用 Readability
selected_nodes = doc.css(target_selector)
# 排除节点
unless exclude_selectors.empty?
selected_nodes.css(*exclude_selectors).each do |node|
node.remove
end
end
# 处理图像大小，可能需要改进
selected_nodes.css('img').each do |img|
img.remove_attribute('width')
img.remove_attribute('height')
end
# 仅为好玩，如果 iframe 的源是允许的，则允许它们
# 使用 `[data-sanitized="true"]` 防止 iframe 在 remove_empty_nodes 步骤中被剥离
allowed_iframe_sources = SiteSetting.allowed_iframes.split('|')
selected_nodes.css('iframe').each do |iframe|
allowed = allowed_iframe_sources.any? do |allowed_source|
iframe['src'].start_with?(allowed_source)
end
if allowed
iframe['data-sanitized'] = 'true'
iframe['width'] = '690'
iframe['height'] = '388'
else
iframe.remove
end
end
# 删除空的 'p' 和 'div' 节点
selected_nodes.css('p', 'div').each do |node|
node.remove if node.content.strip.empty? && !node.at_css('iframe[data-sanitized="true"]')
end
# 将节点转换为字符串并返回一个带有 `content` 方法的对象
content = selected_nodes.to_s
OpenStruct.new(content: content)
end
我很有信心，只需在多个域上进行一些调整就可以使其正常工作。到目前为止，我从 BBS 获得的结果一直很好。
目标是提出一个网站所有者可以轻松理解和自行配置的东西。通过这种方法，target_selector 越具体，配置 exclude_selectors 就越容易。例如，对于 WordPress 网站，如果选择 .entry-content 作为 target_selector，则无需进一步配置。如果网站所有者想获得比基本 .entry-content HTML 更多的内容，他们可以在配置主机页面上找出如何做到这一点。
唯一真正的问题是对于 HTML 非常不一致的主机。这种情况可以通过将 Ruby Readability 保留为备用方案来处理。