如何從ruby中的url獲取sitename？

Question

我有一個網址，如：

http://www.relevantmagazine.com/life/relationship/blog/23317-pursuing-singleness 

，並想從中提取只是relevantmagazine。

目前我有：

@urlroot = URI.parse(@link.url).host 

但它返回www.relevantmagazine.com任何人都可以幫我嗎？

Answer 1

爲此使用寶石可能是矯枉過正，但無論如何：有一個方便的寶石名爲domainatrix，可以在處理諸如兩個元素頂級域等事物時爲您提取sitename。

url = Domainatrix.parse("http://www.pauldix.net") 
url.url  # => "http://www.pauldix.net" (the original url) 
url.public_suffix  # => "net" 
url.domain # => "pauldix" 
url.canonical # => "net.pauldix" 

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" 

Answer 2

也許你可以把它分開？

URI.parse(@link.url).host.split('.')[1] 

請記住，一些註冊的域名可能有一個以上的組件來註冊國家域名，像.co.uk或.co.jp或.com.au例如。

Answer 3

我發現tadman的回答激發了答案，the answer in another question

@urlroot = URI.parse(item.url).host 
@urlroot = @urlroot.start_with?('www.') ? @urlroot[4..-1] : @urlroot 
@urlroot = @urlroot.split('.')[0] 

第一線得到主機的，第二行得到去除WWW。如果他們是第一和第三行，則在下一個點之前獲取所有內容。

Answer 4

如何約

@urlroot = URI.parse（@ link.url）.host.gsub（ 「WWW」， 「」）.split（ 「」）[0]

Answer 5

嘗試正則表達式：

regex = %r{http://[w]*[\.]*[^/|$]*} 

如果你有以下的URL字符串，它提供了以下：

url = 'http://www.google.com/?q=blah' 
url.scan(regex) => ["http://www.google.com"] 

url = 'http://google.com/?q=blah' 
url.scan(regex) => ["http://google.com"] 

url = 'http://google.com' 
url.scan(regex) => ["http://google.com"] 

url = 'http://foo.bar.pauldix.co.uk/asdf.html?q=arg' 
url.scan(regex) => ["http://foo.bar.pauldix.co.uk"] 

它並不完美，但它會去掉一切但前綴和主機名。然後，您可以使用其他代碼輕鬆清除前綴，因爲現在您只需要在字符串的開頭查找http://或http://www.。另一個想法是，如果你也要解析https://，你可能需要調整我給你的正則表達式。我希望這可以幫助你開始！

編輯：

我重讀的問題，並實現了我的回答並沒有真正做你的要求。我想這可能會有助於知道您是否知道您正在解析的網址是否具有設置的格式，例如始終擁有www。如果是這樣，您可以使用正則表達式來提取網址中第一個和第二個時段之間的所有內容。如果沒有，也許你可以調整我的正則表達式，以便它是/或www之間的所有內容。和第一期。這可能是最簡單的方法來獲得沒有任何www的網站名稱。或.com或.au.uk等。

修正則表達式：

regex = %r{http://[w]*[\.]*[^\.]*} 
url = 'http://foo.bar.pauldix.co.uk/asdf.html?q=arg' 
url.scan(regex) => ["http://foo"] 

這將是不可思議。如果你使用正則表達式的東西，你可能不得不逐步做到清理網址來提取你想要的部分。