come analizzare un URL e estrarre la sottostringa richiesta

Question

Dire che ho una stringa come questa: "http://something.example.com/directory/"

Quello che voglio fare è quello di analizzare questa stringa, ed estrarre il "something" dalla stringa.

Il primo passo consiste nel verificare chiaramente che la stringa contenga "http://" - altrimenti, dovrebbe ignorare la stringa.

Ma come faccio a estrarre lo "something" in quella stringa? Supponiamo che tutte le stringhe che questo valuterà avranno una struttura simile (cioè sto cercando di estrarre il sottodominio dell'URL - se la stringa esaminata è effettivamente un URL valido - dove inizia valido con "http://").

Grazie.

P.S. So come controllare la prima parte, cioè posso semplicemente dividere la stringa allo "http://" ma questo non risolve il problema completo perché ciò produrrà "http://something.example.com/directory/". Tutto quello che voglio è il "something", nient'altro.

Answer 1

lo farei in questo modo:

require 'uri' 

uri = URI.parse('http://something.example.com/directory/') 
uri.host.split('.').first 
=> "something" 

URI è costruito in Ruby. Non è il più completo, ma è in grado di svolgere questo compito per la maggior parte degli URL. Se hai IRIs, guarda su Addressable::URI.

Answer 2

Bene, è possibile utilizzare le espressioni regolari. Qualcosa come /http:\/\/([^\.]+)/, ovvero il primo gruppo di non "." lettere dopo http. Scopri http://rubular.com/, è possibile testare le espressioni regolari contro una serie di test troppo, è grande per l'apprendimento di questo strumento :)

Answer 3

Si potrebbe utilizzare URI come

uri = URI.parse("http://something.example.com/directory/") 
puts uri.host 
# "something.example.com" 

e si potrebbe poi basta lavorare sul ospite.
o v'è un gioiello domainatrix da Remove subdomain from string in ruby

require 'rubygems' 
require 'domainatrix' 

url = Domainatrix.parse("http://foo.bar.pauldix.co.uk/asdf.html?q=arg") 
url.public_suffix  # => "co.uk" 
url.domain    # => "pauldix" 
url.subdomain   # => "foo.bar" 
url.path    # => "/asdf.html?q=arg" 
url.canonical   # => "uk.co.pauldix.bar.foo/asdf.html?q=arg" 

e si può solo prendere il sottodominio.