ruby - 简单的网址清理

Question

我正在尝试进行一些基本的 url 清理，以便

www.google.com
www.google.com/
http://google.com
http://google.com/
https://google.com
https://google.com/ 

被http://www.google.com取代(或 https://www.google.com，以防 https:// 位于开头)。

基本上我想检查是否有 http/https在开头和/在一个正则表达式的末尾。

我正在尝试这样的事情:

"https://google.com".match(/^(http:\/\/|https:\/\/)(.*)(\/)*$/)在这种情况下，我得到: => #<MatchData "https://google.com" 1:"https://" 2:"google.com" 3:nil>这很好。

不幸的是:

"https://google.com/".match(/^(http:\/\/|https:\/\/)(.*)(\/)*$/)我得到: => #<MatchData "https://google.com/" 1:"https://" 2:"google.com/" 3:nil>并且想要 2:"google.com" 3:"/"

知道怎么做吗？

Answer 1

如果你发现错误就很明显了;)

你正在尝试:

^(http:\/\/|https:\/\/)(.*)(\/)*$

答案是使用:

^(http:\/\/|https:\/\/)(.*?)(\/)*$

这使得运算符“非贪婪”，因此尾部正斜杠不会被“.”吞没。运营商。

编辑:

事实上，你真的应该使用:

^(http:\/\/|https:\/\/)?(www\.)?(.*?)(\/)*$

这样，您还将匹配前两个示例，它们中没有“http(s)://”。您还拆分了“www”部分的值(value)/存在。在行动中:http://www.rubular.com/r/VUoIUqCzzX

编辑2:

我很无聊，想完善这个:P

给你:

^(https?:\/\/)?(?:www\.)?(.*?)\/?$

现在，您需要做的就是用第一个匹配项(或“http://”，如果没有)替换您的网站，然后是“www.”，然后是第二个匹配项。

在行动中:http://www.rubular.com/r/YLeO5cXcck

(18 个月后)编辑:

查看我很棒的 ruby​​ gem，它将帮助您解决问题!

https://github.com/tom-lord/regexp-examples

/(https?:\/\/)?(?:www\.)?google\.com\/?/.examples # => 
  ["google.com",
   "google.com/",
   "www.google.com",
   "www.google.com/",
   "http://google.com",
   "http://google.com/",
   "http://www.google.com",
   "http://www.google.com/",
   "https://google.com",
   "https://google.com/",
   "https://www.google.com",
   "https://www.google.com/"]

/(https?:\/\/)?(?:www\.)?google\.com\/?/.examples.map(&:subgroups) # =>
  [[],
   [],
   [],
   [],
   ["http://"],
   ["http://"],
   ["http://"],
   ["http://"],
   ["https://"],
   ["https://"],
   ["https://"],
   ["https://"]]