验证 html 文本中是否存在 url答案

【问题标题】：validate presence of url in html text验证 html 文本中是否存在 url
【发布时间】：2013-04-20 12:28:54
【问题描述】：

我想检测和过滤从表单发送的 html 文本是否包含 url 或 url。

例如，我从一个表单发送这个 html:

RESOURCES<br></u></b><a target="_blank" rel="nofollow" href="http://stackoverflow.com/users/778094/hyperrjas">http://stackoverflow.com/users/778094/hyperrjas</a>&nbsp;<br><a target="_blank" rel="nofollow" href="https://github.com/hyperrjas">https://github.com/hyperrjas</a>&nbsp;<br><a target="_blank" rel="nofollow" href="http://www.linkedin.com/pub/juan-ardila-serrano/11/2a7/62">http://www.linkedin.com/pub/juan-ardila-serrano/11/2a7/62</a>&nbsp;<br>

我不想在 html 文本中允许一个或多个 url/urls。可能是这样的：

validate :no_urls

def no_urls
  if text_contains_url
   errors.add(:url, "#{I18n.t("mongoid.errors.models.profile.attributes.url.urls_are_not_allowed_in_this_text", url: url)}")
  end
end

我想知道，如果html文本包含一个或多个url，我该如何过滤？

【问题讨论】：

标签： ruby-on-rails ruby regex ruby-on-rails-3 ruby-on-rails-3.2

【解决方案1】：

您可以使用 Ruby 内置的 URI 模块，该模块已经可以从文本中提取 URI。

require "uri"

links = URI.extract("your text goes here http://example.com mailto:test@example.com foo bar and more...")
links => ["http://example.com", "mailto:test@example.com"]

所以你可以像下面这样修改你的验证：

validate :no_html

def no_html(text)
  links = URI.extract(text)
  unless links.empty?
    errors.add(:url, "#{I18n.t("mongoid.errors.models.profile.attributes.url.urls_are_not_allowed_in_this_text", url: url)}")
  end
end

【讨论】：

【解决方案2】：

您可以使用正则表达式来解析看起来像 url 的字符串，例如像这样：/^http:\/\/.*/

但是如果你想检测像a这样的html标签，你应该查看用于解析html的库。

Nokogiri 就是这样一个库。

【讨论】：

【解决方案3】：

只有当字符串不包含冒号 ":" 时，Matherick 的答案才有效。

对于 Ruby 1.9.3，正确的做法是添加第二个参数来解决此问题。

此外，如果您将电子邮件地址添加为纯文本，则此代码不会过滤此电子邮件地址。这个问题的解决方法是：

html_text  = "html text with email address e.g. info@test.com"
email_address = html_text.match(/[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,4}/i)[0]

所以，这是我的代码，适合我：

def no_urls
  whitelist = %w(attr1, attr2, attr3, attr4)
  attributes.select{|el| whitelist.include?(el)}.each do |key, value|
    links = URI.extract(value, /http(s)?|mailto/)
    email_address = "#{value.match(/[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,4}/i)}"
    unless links.empty? and email_address.empty?
      logger.info links.first.inspect
      errors.add(key, "#{I18n.t("mongoid.errors.models.cv.attributes.no_urls")}")
    end
  end
end

问候！

【讨论】：