通过URL列表进行迭代。URL以不同的格式出现:
https://twitter.com/sdfaskj...
https://www.linkedin.com/asdkfjasd...
http://google.com/asdfjasdj...
等。
我想使用GSUB或类似的内容,除了删除网站名称以外的所有内容,仅获得" Twitter"," LinkedIn"one_answers" Google"。
在我的脑海中,理想情况下,我想要一个可以检查多种可能性的.gsub(url.gsub(" https://or https://or https://https://www。或www。或http://http://)并在没有发现"时替换它们。还需要在名称之后删除所有内容,因此" .com/wkadslflj ..."
attributes.css("a").each do |attribute|
attribute_url = attribute["href"]
attribute_scrape = attribute_url.gsub("https://", "")
binding.pry
end
我将考虑URI.parse
的组合以获取URL和PublicSuffix
GEM以获取第二级域:
require 'public_suffix'
require 'uri'
url = 'https://www.linkedin.com/asdkfjasd'
host = URI.parse(url).host # => 'www.linkedin.com'
PublicSuffix.parse(host).sld # => 'linkedin'
您可以使用此gsub
Regexp:
gsub(/http(s)?://(www.)?|.(com|net|co.uk|us)+.*/, '')
输出:
list = ["https://twitter.com/sdfaskj...", "https://www.linkedin.com/asdkfjasd...", "http://google.com/asdfjasdj..."]
list.map { |u| u.gsub(/http(s)?://(www.)?|.(com|net|co.uk|us)+.*/, '') }
=> ["twitter", "linkedin", "google"]