イタンジでエンジニアをしているぽんこつです。フロントからインフラまでなんでもやってます。
なにか文字列の塊からURI/URLを抽出しなければいけない、という案件はRubyに限らずよくでてくると思いますが、実際に真面目にやらないといけないとなるとかなりしんどいです。日本語URL、invalidなホスト名etc...
RubyであればURI.extractという、URIを文字列中から探して、ヒットしたURIを全部返してくれるメソッドがあるのですが、
- obsolateである
- matchした文字列でしか返ってこない
という問題があり、あまり使いたくはありません。
ところでURI.extractですが、Rubyのソースコードを読んでみると、
しているだけということが分かります。make_regexp…正規表現さえあれば、なんでもできそうですね!表題のパターンだとこうなります。
regexp = URI::DEFAULT_PARSER.make_regexp(['http', 'https'])
text.to_enum(:scan, regexp).map { Regexp.last_match }.each { |match|
...
}
URIスキームを引数に持つのでftpは除外したいとかでも大丈夫。どこぞで公開されていた謎正規表現と違ってRFCに準拠しているという安心感があります。やはり正規表現は自作したら負けですね。
