个人中心
文章发布
退出
作者热门文章
- xml - AJAX/Jquery XML 解析
- 具有多重继承的 XML 模式
- .net - 枚举序列化 Json 与 XML
- XML 简单类型、简单内容、复杂类型、复杂内容
27
4
这是一个简单的脚本，它采用其中包含德语 URL 的 anchor 标记，并提取 URL:
# encoding: utf-8
require 'uri'
url = URI.extract('<a href="http://www.example.com/wp content/uploads/2012/01/München.jpg">München</a>')
puts url
http://www.example.com/wp-content/uploads/2012/01/M
extract 方法在 ü 处停止。我怎样才能让它与非英文字母一起使用？我正在使用 ruby-1.9.3-p0。
最佳答案
Ruby 的内置 URI 在某些方面很有用，但在处理国际字符或 IDNA 地址时，它并不是最佳选择。为此，我建议使用 Addressable gem 。
这是一些清理后的 IRB 输出:
require 'addressable/uri'
url = 'http://www.example.com/wp content/uploads/2012/01/München.jpg'
uri = Addressable::URI.parse(url)
这是 Ruby 现在知道的:
#<Addressable::URI:0x102c1ca20
@uri_string = nil,
@validation_deferred = false,
attr_accessor :authority = nil,
attr_accessor :host = "www.example.com",
attr_accessor :path = "/wp content/uploads/2012/01/München.jpg",
attr_accessor :scheme = "http",
attr_reader :hash = nil,
attr_reader :normalized_host = nil,
attr_reader :normalized_path = nil,
attr_reader :normalized_scheme = nil
>
查看路径，您可以看到它的原样或应该的样子:
1.9.2-p290 :004 > uri.path # => "/wp content/uploads/2012/01/München.jpg"
1.9.2-p290 :005 > uri.normalized_path # => "/wp%20content/uploads/2012/01/M%C3%BCnchen.jpg"
考虑到互联网如何转向更复杂的 URI 和混合的 Unicode 字符，确实应该选择 Addressable 来替换 Ruby 的 URI。
现在，获取字符串也很容易，但这取决于您必须查看多少文本。
如果您有完整的 HTML 文档，最好的办法是使用 Nokogiri解析 HTML 并提取 href来自 <a> 的参数标签。这是单个 <a> 的起点:
require 'nokogiri'
html = '<a href="http://www.example.com/wp content/uploads/2012/01/München.jpg">München</a>'
doc = Nokogiri::HTML::DocumentFragment.parse(html)
doc.at('a')['href'] # => "http://www.example.com/wp content/uploads/2012/01/München.jpg"
使用 DocumentFragment 解析避免将片段包裹在通常的 <html><body> 中标签。对于您想要使用的完整文档:
doc = Nokogiri::HTML.parse(html)
两者的区别:
irb(main):006:0> Nokogiri::HTML::DocumentFragment.parse(html).to_html
=> "<a href=\"http://www.example.com/wp%20content/uploads/2012/01/M%C3%BCnchen.jpg\">München</a>"
对比:
irb(main):007:0> Nokogiri::HTML.parse(html).to_html
=> "<!DOCTYPE html PUBLIC \"-//W3C//DTD HTML 4.0 Transitional//EN\" \"http://www.w3.org/TR/REC-html40/loose.dtd\">\n<html><body><a href=\"http://www.example.com/wp%20content/uploads/2012/01/M%C3%BCnchen.jpg\">München</a></body></html>\n"
因此，对于完整的 HTML 文档使用第二种，对于小的部分块，使用第一种。
要扫描整个文档，提取所有 href，请使用:
hrefs = doc.search('a').map{ |a| a['href'] }
如果您只有示例中显示的小字符串，您可以考虑使用简单的正则表达式来隔离所需的 href :
html[/href="([^"]+)"/, 1]
=> "http://www.example.com/wp content/uploads/2012/01/München.jpg"
关于ruby-on-rails - 如何从字符串中提取包含非英文字符的 URL？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/9082732/
27
4
0
在 .m 文件中: UIActionSheet *someSheet = [[UIActionSheet alloc] initWithTitle:NSLocalizedString(@"TI
常用HTML正则表达式 1.只能输入数字和英文的： 复制代码 代码如下: <input onkeyup="value=value.replace(/[/W]/g,'
前言 本文主要介绍使用UITextField限制只可输入中,英文,数字，我们可以使用NSPredicate正则表达式可以过滤，下面看看详细的步骤方法 首先设置UItextField的代理 实现
本文实例讲述了php判断输入是否是纯数字，英文，汉字的方法。分享给大家供大家参考。具体分析如下： 这里利用php的mb_strlen和strlen函数就可以轻松得知字符串的构成是全英文、英汉混合、
给定一个文本字符串 var string1 = 'IAmNotFoo'; 如何只提取大写字母？ 'IANF' 下面是每个链接的一些方法: function isUpperCase1(aCharacte
如何在 PHP tcpdf 中生成连字？ 最佳答案 tcpdf 使用 FreeType 来栅格化字体，或者只是将它们嵌入到 PDF 中并在查看器中栅格化。连字实际上是在字体中定义的。如果您使用的是 T
请多多指教!我正在完成“C 语言编程”一书中的练习。 我必须编写一个程序，它接受一个整数，然后提取并用英语显示整数的每一位。 因此，如果我输入 1234，它应该打印回“一二三四”。 由于这个练习接近本
只能输入中文：<input id="input1" type="text" onkeyup="value=value.replace(/[^\
复制代码 代码如下: $str='asb天水市12'; if (preg_match("/^[\x7f-\xff]+$/", $str)){ echo '全部是汉字'; }
我发现这个公式可以将金额转换为单词，但它不能 100% 起作用。每当金额以 20,30, 40 等结尾时，都会出现错误。例如 1020 会出错，但 1019 和 1021 可以正常工作。我试图自己解决
某些 Windows 计算机安装了多种显示语言。 我可以使用以下函数以该语言获取当前用户的 UI 语言: function GetUsersWindowsLanguage: string; var
引言需求：（输入框限制输入多少字符） 1、一个字母、符号、数字相当于一个字符 2、一个汉字相当于两个字符 3、不能输入特殊字符 4、不能输入emoji表情 直接上代码 1、注册通知
我目前正在使用 Emacs + Magit，但我想我的问题比这些软件的具体使用更笼统。我读过 How does one change the language of the command line
有谁知道包含示例英语词典单词脚本的 Web 引用链接，可用于填充 SQL Server 中的词典表？ 我可以处理 .txt 或 .csv 文件，或类似的文件。 或者，我正在向我的网络应用程序添加自定义
Oracle(多语言环境)如何判断给定字符串(表列值)的语言(英文，中文...)？ 最佳答案 应该可以使用像 Language Dectection for Java 这样的库并将它与您的 PL/SQ
当您现在在 Xcode 5 上本地化一个文件时，您将拥有这个“基本”文件，据我所知，如果用户使用的是另一种未本地化的语言，则会使用该文件。在旧版本的 Xcode 上，您没有。 我希望英语成为默认使用的
我有如下文字: 아니다 bukan 싫다 tidak suka 훌륭하다 bagus 我正在尝试删除英文行(英文字母)并将其附加到上行(韩文字母)的末尾，如下所示: 아니다bukan 싫다tidak
这个问题在这里已经有了答案: Unicode string literals in VBA (3 个回答) How to type Unicode currency character in Visu
我可以知道是否有任何 SQL 脚本可以满足我的以下场景？ 如果column1包含中文字符，更新值column2为'Chinese' 如果 column1 包含英文字符，则将值 column2 更新为“
我正在使用一个图像处理 API 来读取图像上的文本，并且从我返回的字符串数据中，我需要提取英语或字典中的单词以及常见的名字和姓氏。换句话说，我在字符串中得到了我需要的文本，但在结果中也得到了一些我需要
我是一名优秀的程序员,十分优秀！