टेक्स्ट

Question

से यूआरएल निकालने के लिए कैसे रूबी में एक सादे पाठ फ़ाइल से मैं सभी यूआरएल निकालें?

मैंने कुछ पुस्तकालयों की कोशिश की लेकिन वे कुछ मामलों में विफल हो गए। सबसे अच्छा तरीका क्या है?

Answer 1

कौन से मामले असफल हो रहे हैं?

पुस्तकालय regexpert के अनुसार, आप

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

उपयोग कर सकते हैं और फिर पाठ पर एक scan प्रदर्शन करते हैं।

संपादित करें: ऐसा लगता है कि regexp खाली स्ट्रिंग का समर्थन करता है। बस प्रारंभिक (^$) को हटा दें और आप तो क्या पहले से ही रूबी में आप के लिए प्रदान की जाती है का उपयोग कर की तरह

Answer 2

आप regex का उपयोग कर सकते हैं और .scan()

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

आपको लगता है कि regex के साथ शुरू कर सकते हैं और इसे समायोजित अपनी आवश्यकताओं के अनुसार।

Answer 3

काम हो गया:

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"] 

और अधिक पढ़ें: http://railsapi.com/doc/ruby-v1.8/classes/URI.html#M004495

Answer 4

मैं का उपयोग किया है twitter-text मणि

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

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

Answer 5

require 'uri'  
foo = #<URI::HTTP:0x007f91c76ebad0 URL:http://foobar/00u0u_gKHnmtWe0Jk_600x450.jpg> 
foo.to_s 
=> "http://foobar/00u0u_gKHnmtWe0Jk_600x450.jpg" 

संपादित करें: स्पष्टीकरण

जिन लोगों को जेएसओएन प्रतिक्रियाओं के माध्यम से यूआरआई को पार्स करने या नोकोगिरी या मैकेनाइजेशन जैसे स्क्रैपिंग टूल का उपयोग करके समस्याएं आ रही हैं, यह समाधान मेरे लिए काम करता है।

Answer 6

अपने इनपुट इस के समान दिखाई देता है:

"http://i.imgur.com/c31IkbM.gifv;http://i.imgur.com/c31IkbM.gifvhttp://i.imgur.com/c31IkbM.gifv" 

यानी यूआरएल जरूरी उनके आसपास सफेद स्थान, किसी भी सीमांकक द्वारा सीमांकित किया जा सकता है, या बिल्कुल भी उनके बीच कोई सीमांकक है की जरूरत नहीं है, तो आप उपयोग कर सकते हैं निम्नलिखित दृष्टिकोण:

def process_images(raw_input) 
    return [] if raw_input.nil? 
    urls = raw_input.split('http') 
    urls.shift 
    urls.map { |url| "http#{url}".strip.split(/[\s\,\;]/)[0] } 
end 

उम्मीद है कि यह मदद करता है!