如何从文本中提取URL

Question

如何从Ruby中的纯文本文件中提取所有URL？

我试过一些库,但在某些情况下它们会失败.什么是最好的方式？

Answer 1

如果您喜欢使用Ruby中已经提供的内容:

require "uri"
URI.extract("text here http://foo.example.org/bla and here mailto:test@example.com and here also.")
# => ["http://foo.example.org/bla", "mailto:test@example.com"]

阅读更多:http://railsapi.com/doc/ruby-v1.8/classes/URI.html#M004495

Answer 2

我用过twitter-text gem

require "twitter-text"
class UrlParser
    include Twitter::Extractor
end

urls = UrlParser.new.extract_urls("http://stackoverflow.com")
puts urls.inspect

Answer 3

你可以使用正则表达式和 .scan()

string.scan(/(https?:\/\/([-\w\.]+)+(:\d+)?(\/([\w\/_\.]*(\?\S+)?)?)?)/)

您可以开始使用该正则表达式并根据您的需要进行调整.

Answer 4

失败的案例有哪些？

根据库regexpert，您可以使用

regexp = /(^$)|(^(http|https):\/\/[a-z0-9]+([\-\.]{1}[a-z0-9]+)*\.[a-z]{2,5}(([0-9]{1,5})?\/.*)?$)/ix

然后scan对文本执行 a 。

编辑：似乎正则表达式支持空字符串。只需删除首字母即可(^$)完成