在Ruby中提取字符串中的所有URL
我有一些文本内容，其中包含一个URL列表。
我试图抓住所有的URL并将它们放在一个数组中。
我有这个代码
content = "Here is the list of URLs: http://www.google.com http://www.google.com/index.html" urls = content.scan(/^(http|https):\/\/[a-z0-9]+([\-\.]{1}[a-z0-9]+)*\.[az]{2,5}(([0-9]{1,5})?\/.*)?$/ix) 我试图得到最终结果：
['http://www.google.com', 'http://www.google.com/index.html']
上面的代码似乎没有正常工作。 有谁知道我做错了什么？
谢谢
一种不同的方法，从完美的是好的敌人的思想流派：
urls = content.split(/\s+/).find_all { |u| u =~ /^https?:/ }
简单：
ruby-1.9.2-p136 :006 > require 'uri' ruby-1.9.2-p136 :006 > URI.extract(content, ['http', 'https']) => ["http://www.google.com", "http://www.google.com/index.html"]
我没有检查你的正则表达式的语法，但String.scan将生成一个数组，其中每个成员都是由你的正则表达式匹配的组的数组。 所以我希望结果如下：
[['http', '.google.com'], ...]
如果你想要你给出的格式，你需要不匹配的组/(?:stuff)/ 。
编辑（看正则表达式）：另外，你的正则表达式确实看起来有点不对劲。 您不需要开始和结束锚点（ ^和$ ），因为您不希望匹配位于content开头和结尾。 其次，如果你([0-9]{1,5})? 我试图捕获一个端口号，我想你错过了一个冒号来将域与端口分开。
玩完后进一步编辑：我想你想要这样的东西：
content = "Here is the list of URLs: http://www.google.com http://www.google.com/index.html http://example.com:3000/foo" urls = content.scan(/(?:http|https):\/\/[a-z0-9]+(?:[\-\.]{1}[a-z0-9]+)*\.[az]{2,5}(?:(?::[0-9]{1,5})?\/[^\s]*)?/ix) # => ["http://www.google.com", "http://www.google.com/index.html", "http://example.com:3000/foo"]
…但请注意，它与纯IP地址URL（如http://127.0.0.1 ）不匹配，因为TLD的[az]{2,5} 。
只是为了你的兴趣：
Ruby有一个URI模块，它有一个正则表达式来实现这样的事情：
require "uri" uris_you_want_to_grap = ['ftp','http','https','ftp','mailto','see'] html_string.scan(URI.regexp(uris_you_want_to_grap)) do |*matches| urls << $& end
有关更多信息，请访问Ruby Ref： URI