Question

我正在迭代一个URL列表。网址有不同的格式，如：

https://twitter.com/sdfaskj... 
https://www.linkedin.com/asdkfjasd...
http://google.com/asdfjasdj...

等。

我想使用Gsub或类似的东西来删除除了网站名称之外的所有内容，只能获得＆＃34; twitter＆＃34;，＆＃34; linkedin＆＃34;，＆＃34; google＆＃ 34;分别。

在我的脑海中，理想情况下，我想要像.gsub一样可以检查多种可能性（url.gsub（＆＃34; https：//或https://www。或http：//等等）＃34;，＆＃34;＆＃34;）并在找不到任何内容时更换它们＆＃34;＆＃34;。还需要删除名称后的所有内容，所以＆＃34; .com / wkadslflj .. 。＆＃34;

attributes.css("a").each do |attribute|
  attribute_url = attribute["href"]
  attribute_scrape = attribute_url.gsub("https://", "")
  binding.pry
end

Answer 1

我会考虑使用require 'public_suffix' require 'uri' url = 'https://www.linkedin.com/asdkfjasd' host = URI.parse(url).host # => 'www.linkedin.com' PublicSuffix.parse(host).sld # => 'linkedin'组合来获取网址中的主机名和PublicSuffix gem来获取第二级域名：

CakeRoute::parse($url)

Answer 2

您可以使用此Storage regexp：

Storage<int, StringDumbHandleWrapper> s;

输出：

gsub

从Ruby中的URL中删除网站名称以外的所有内容

2 个答案: