我正在尝试使用nokogiri在<a> HTML标签中获取href值。
我想确定它们是路径，文件，URL甚至<div> ID。
我目前的工作是：
hrefvalue = []
html.css('a').each do |atag|
hrefvalue << atag['href']
end
href中的可能值可能是：
somefile.html
http://www.someurl.com/somepath/somepath
/some/path/here
#previous
是否有一种机制来识别该值是否是有效的完整URL，文件或路径或其他方法？
尝试uri：
require 'uri'
URI.parse('somefile.html').path
=> "somefile.html"
URI.parse('http://www.someurl.com/somepath/somepath').path
=> "/somepath/somepath"
URI.parse('/some/path/here').path
=> "/some/path/here"
URI.parse('#previous').path
=> ""
nokogiri通常与Ruby的URI或Open-uRi一起使用，因此，如果在您的情况下是这种情况，您将可以访问其方法。您可以使用它来试图解析URI（使用URI.parse）。您通常也可以使用URI.join(base_uri, retrieved_href)来构建完整的URL，只要您存储了base_uri。
（编辑/侧词：有关使用URI.join的更多详细信息，请参见：https：//stackoverflow.com/a/4864170/624590;请注意，将字符串作为参数而不是URI对象的URI.join，而不是coerce必要）
基本上，要回答您的问题
是否有一种机制来识别该值是否是有效的完整 URL，文件或路径或其他？
如果已检索的_href和base_uri形成良好，并检索_href ==连接对，则是绝对路径。否则是相对的（同样，假设输入良好）。
如果您使用URI来解析HREF值，则将一些启发式方法应用于结果，则可以找出您想知道的内容。这基本上是浏览器即将发送页面或资源请求时要做的。
使用样品字符串：
%w[
somefile.html
http://www.someurl.com/somepath/somepath
/some/path/here
#previous
].each do |u|
puts URI.parse(u).class
end
导致：
URI::Generic
URI::HTTP
URI::Generic
URI::Generic
URI唯一认可为真正的http uri的人是" http：//www.someurl.com/somepath/somepath/somepath"。所有其他人都缺少该方案＆quot" http：//"。（您还可以遇到更多的方案。有关更多信息，请参见规范。）
通用URI，您可以使用一些规则来整理它们，以便您知道如果必须打开它们，您将如何做出反应。
如果您通过刮擦页面来收集HREF字符串，则可以假设使用相同的方案并在相关URI提供的情况下使用相同的方案是安全的。因此，如果您最初加载了" http：//www.someurl.com/index.html"，则可以使用＆quot" http：//www.someurl.com/por;作为您的进一步请求的基础。
从那里看，看一下字符串内，以确定它们是锚定，绝对路径还是相对路径。如果字符串：
- 以
#开头是一个锚点，将应用于当前页面而无需重新加载。 - 不包含路径定界符
/，它是一个文件名，将添加到当前检索的URL中，替换文件名并检索。替代的一种很好的方法是使用File.dirname，File.basename和File.join对字符串。 - 从路径定界符开始，这是一个绝对路径，用于替换原始URL中的路径。
URI::split和URI::join是您的朋友。 - 不是从路径定界符开始的，它是一个相对路径，并且与＃2类似。 。
关于：
hrefvalue = []
html.css('a').each do |atag|
hrefvalue << atag['href']
end
我会改用它：
hrefvalue = html.search('a').map { |a| a['href'] }
但这只是我。
最终注意：URI与年龄有关，需要更新。这是一个有用的库，但对于重型Uri Rippin'，我强烈建议您使用可寻址/URI。