简单URL清洁

Question

我试图做一些基本的URL清洗，使

www.google.com 
www.google.com/ 
http://google.com 
http://google.com/ 
https://google.com 
https://google.com/ 

由http://www.google.com（或https://www.google.com的情况下https://是开头）所取代。

基本上我想检查一下是否有http/https开头，/最后在一个正则表达式中。

我是想这样的事情：在这种情况下

"https://google.com".match(/^(http:\/\/|https:\/\/)(.*)(\/)*$/)我得到： => #<MatchData "https://google.com" 1:"https://" 2:"google.com" 3:nil> 这是很好的。

不幸的是：

"https://google.com/".match(/^(http:\/\/|https:\/\/)(.*)(\/)*$/)我得到： => #<MatchData "https://google.com/" 1:"https://" 2:"google.com/" 3:nil>，并希望有2:"google.com" 3:"/"

任何想法如何做到这一点？

Answer 1

如果您发现该错误很明显;）

你正在尝试：

^(http:\/\/|https:\/\/)(.*)(\/)*$ 

的答案是使用：

^(http:\/\/|https:\/\/)(.*?)(\/)*$ 

这使得运营商 “非贪婪” ，所以尾巴的正斜线不会被“。”吞噬。运营商。

编辑：

事实上，你应该使用：

^(http:\/\/|https:\/\/)?(www\.)?(.*?)(\/)*$ 

这样，你也将匹配您的第一两个例子，不具有“HTTP（S）： //“ 在他们中。您还在分解“www”部分的价值/存在。在行动：http://www.rubular.com/r/VUoIUqCzzX

EDIT2：

我很无聊，想要完善这个：P

在这里你去：

^(https?:\/\/)?(?:www\.)?(.*?)\/?$ 

现在，所有你需要做的是更换您的网站与第一个匹配（或“http：//”，如果为零），然后是“www。”，然后是第二个匹配。

在行动：http://www.rubular.com/r/YLeO5cXcck

（18月以后）编辑：

看看我真棒红宝石的宝石，这将有助于解决您的问题！

https://github.com/tom-lord/regexp-examples

/(https?:\/\/)?(?:www\.)?google\.com\/?/.examples # => 
    ["google.com", 
    "google.com/", 
    "www.google.com", 
    "www.google.com/", 
    "http://google.com", 
    "http://google.com/", 
    "http://www.google.com", 
    "http://www.google.com/", 
    "https://google.com", 
    "https://google.com/", 
    "https://www.google.com", 
    "https://www.google.com/"] 

/(https?:\/\/)?(?:www\.)?google\.com\/?/.examples.map(&:subgroups) # => 
    [[], 
    [], 
    [], 
    [], 
    ["http://"], 
    ["http://"], 
    ["http://"], 
    ["http://"], 
    ["https://"], 
    ["https://"], 
    ["https://"], 
    ["https://"]]