从字符串中提取Url

Question

我有一个网址：

url = "http://timesofindia.feedsportal.com/fy/8at2EuL0ihSIb3s7/story01.htmA"

最后有一些不需要的字符，如A，TRE。我想删除它，所以URL将是这样的：

url = http://timesofindia.feedsportal.com/fy/8at2EuL0ihSIb3s7/story01.htm

如何删除它们？

Answer 1

如果您的网址始终以.htm，.apsx或.php结束，您可以使用简单的正则表达式解决问题：

url = url[/^(.+\.(htm|aspx|php))(:?.*)$/, 1]

测试here at Rubular。

首先，我使用this method来获取子字符串，就像切片一样。然后是正则表达式。从左到右：

^                   # Start of line
  (                   # Capture everything wanted enclosed
    .+                  # 1 or more of any character
    \.                  # With a dot after it
    (htm|aspx|php)      # htm or aspx or php
  )                   # Close url asked in question
  (                   # Capture undesirable part
    :?                  # Optional
    .*                  # 0 or more any character
  )                   # Close undesirable part
$                   # End of line