如何編寫與包含數字的URL匹配的模式？

Question

我正在寫一個爬蟲，它必須遵循像URL：

http://www.example.com/121-blah-blah 
http://www.example.com/721-blah-blah 
http://www.example.com/1512-blah-blah 

但不喜歡的網址：

http://www.example.com/category/1512-blah-blah 

應該如何我寫的模式來做到這一點？路徑將以數字開頭。

這是我走到這一步：

%r[(\d+] 

Answer 1

如果數字都將是後「/」，那麼正則表達式就會越簡單

regex = /\/\d+/ 

然後你就可以匹配這個使用以下字符串

if regex =~ url != nil then # returns nil if no match else returns index of first character matched 

Answer 2

將字符串解析爲URI對象，並將regex僅應用於路徑部分。轉換爲URI增加了額外檢查的好處，如uri.absolute?。它還處理uri的各種可選部分，例如端口號或基本身份驗證值。

uri = URI.parse(your_string) 
uri.path =~ %r{^/\d+} 

在正則表達式的^/確保比賽是在字符串的開頭和斜線後。 \d+匹配任意數量的數字。如果你想在路徑的任何地方的一些比賽，用這個：

uri.path =~ %r{\d+} 

如下語句返回一個整數，這意味着第一個匹配的索引或nil，如果沒有匹配。

您可能想要查看Rubular以調整正則表達式。

Answer 3

怎麼樣是一個有點具體是這樣的：

http[s]?:\/\/[\w\.]+\/\d[\w-]* 

See example