我需要一个好的正则表达式来在 ruby​​ 中解析 HTML 文件

Question

这是一个 Ruby 问题，伙计们。所以需要通过 html 文件解析并捕获 urls 和 emails 无法提出正确的正则表达式。尝试了 100 多个正则表达式，并且所有时间我都用 url 兑现了其他东西。

File.open("/Desktop/file.html").each_line do |line|

 if line.split("href=\"") =~ /???/
 puts line

  end

  end

# 我可以使用 line.split("href=\"") 所以每一行都以 url => (https://www.facebook.com/students">

问题是我可以使用什么正则表达式来捕获从 https 到以 (") 结尾的 url 结尾的所有内容（可能有一个或多个相同 url 的样本，因此需要 {1,2}

Answer 1

试试这个

file = File.open('filename_path')
links = file.read().scan(/href=\"(?<url>.*?)\"/)

你得到数组中的链接
如果您从上面删除?<url>，它也可以工作（它只是命名为捕获组）