@ars42525 こんな感じで、タグとテキストをばらして個別処理。アンカーの中を変換しないようにしたり、ショートコードを変換しないように回避したりしてる。
https://github.com/fedibird/mastodon/blob/cfc7143b32bc01ac6ef15045dc16438ef749aaec/app/lib/formatter.rb#L215-L251

@noellabo これは大変だぁ…
HTMLでやり取りしたり保管したりするの、こういう処理しようとすると露骨に弊害が…

@ars42525 まぁ構文エラーがないという前提ならこのぐらいのコードでいいだろって感じだけど、何が来るかわからない想定だともう少し真面目にかかないと……w

@noellabo そもそも壊れたHTML投げたらMastodonってどうなるのかしら…

@ars42525 そうね……サニタイズとはまた違うが……まぁ、投げてみればわかるかなw

@noellabo 任意のコンテンツを送信するActivityPub実装が欲しくなってくるやつじゃん

@ars42525 Formatter.instance.reformatで

sanitize(html, Sanitize::Config::MASTODON_STRICT)

っての呼んでて、ここでbrokenなhtmlを投げても綺麗に成形してくれるね。なかなか強い。

Formatter.instance.reformat('<p>abc')
=> "<p>abc</p>"

Formatter.instance.reformat('<p>a<a href="https://fedibird.com">bc</p>')
=> "<p>a<a href=\"https://fedibird.com\" rel=\"nofollow noopener noreferrer\" target=\"_blank\">bc</a></p>"

@noellabo 勝手に直しちゃうのすごい
そういえばブラウザのHTMLパーサーもそんな処理してたわね