问使用经过修改的Nokogiri解析Wikitext？

EN

很抱歉这个问题太长了，它更像是一个“这可能吗”而不是“我该怎么做”的问题。

我的目标是从Wikipedia标记中删除除纯文本之外的所有内容--表格、模板、格式。无论这些是wikitext markup (例如''bold text'')还是HTML (<b>bold text</b>)。

维基百科的文本是定制标签的混合:模板{{ ... }}，表格{| ... |}，链接[[ ... ]]和HTML元素。解析它就像是一场噩梦。您不能使用正则表达式，因为标记可以嵌套，并且它可以包含HTML，因此几乎任何事情都是可能的。HTML中的一些文本我希望保留(在粗体文本中)，但其他内容，如表格，将需要完全剥离。

我想过重新使用像Nokogiri这样的XML解析器，添加{{/}}作为<x>/</x>的替代品。

知道Nokogiri (或其他Ruby XML解析器)的人知道这是不是可能的，甚至是一个好主意？

我的另一种选择是改变现有解析器的用途，比如用于维基标记的WikiCloth，然后尝试通过另一种方法删除任何剩余的超文本标记语言。