URL Perlでの正規表現

Question

URLを正規化してからPerl正規表現を使用してデータベースに格納する必要があります。ここで

は、いくつかの例のURLです：

• http://www.codeme.com:80/foo/../index.php
• http://www.codeme.com:123/../foo//bar.html

しかし、私だけではなく、 foo//にfooの後//を除去する以下のコードを、しようとするたびに、それは意志http://の二重スラッシュも削除します。 //をhttp://に保存する必要がありますが、foo//の後ろには転送先の//は必要ありません。また、URLのどこにでも表示される/../または/./をすべて削除する必要があります。

基本的には、この：

"http://www.codeme.com:123/../foo//bar.html" 

はこのなった場合：

"http://www.codeme.com/foo/" 

私は、私はいつもそれを無視し、私はそれはしかし、人生は私が間違って証明している必要は決してありませんことを考えたPerlに非常に新しいです。あなたが私を正しい道に導くことができれば、私は本当にあなたの助けに感謝します。

sub main 
{ 
     my $line; 
     open(FH, "test.txt"); 

     until(($line = <FH>) =~ /9/) { 

      $line =~ tr/A-Z/a-z/; 

      $line =~ s|//|/| ; 

      $line =~ s|\:\d\d\d|| ; 

      $line =~ s|:80||; 

      print $line; 
     } 

     close FH; 
} 

Answer 1

URIモジュールを使用してください。それはあなたの人生をはるかに良くし、デフォルトでPerlに含めるべきです。

http://metacpan.org/pod/URI

use URI; 

my $line; 
open(FH, "test.txt"); 

until(($line = <FH>) =~ /9/) { 
    chomp($line); # gets rid of the newline character 
    my $url = new URI($line); 
    print $url->scheme,'://',$url->host,'/',$url->path; 
} 

それはあなたのためのURLの部分をクリーンアップする必要があります。

また、実際にはsub mainは必要ありません。 perlでは暗黙的です。

@spyroboyが指摘したように、これはURLを正規化しません。あなたはまだ何らかの手段でパーツを正規化する必要がありますが、正規化でやりたいことはそれほど明確ではありません。

Answer 2

と記載されているURIモジュールは、正しい方法です。 URLをコンポーネントの部分に分けて別々に調整することができます。このPerlプログラムは、あなたが必要なものをやっているようだ

use strict; 
use warnings; 

use URI; 

for (
    'http://www.codeme.com:80/foo/../index.php', 
    'http://www.codeme.com:123/../foo//bar.html') { 

    my $uri = URI->new($_); 

    $uri->port(80); 

    my @path = $uri->path_segments; 
    @path = grep /[^.]/, @path; 
    $path[-1] = '' if grep $path[-1] eq $_, qw/ default.htm index.php /; 
    $uri->path_segments(@path); 

    print $uri->canonical, "\n"; 
} 

OUTPUT

http://www.codeme.com/foo/ 
http://www.codeme.com/foo/bar.html