在Ruby中打开包含下划线的URL有解决方法吗？

我正在使用openuri来打开url

resp = open("http://sub_domain.domain.com")

如果它包含下划线，则会出现错误：

URI::InvalidURIError: the scheme http does not accept registry part: sub_domain.domain.com (or bad hostname?) URI:：InvalidURIError:方案http不接受注册表部分：sub_domain.domain.com（或坏主机名？）

---

我理解这是因为根据RFC，URL只能包含字母和数字。有什么解决办法吗？

这样的域名不能包含下划线。这是DNS标准的一部分。你是想用破折号（

-

）吗

即使openuri没有抛出错误，这样的命令也毫无意义。为什么？因为它无法解析这样的域名。充其量只能得到一个

未知主机

错误。您无法使用

\uu

注册域名，即使运行自己的专用DNS服务器，使用

\u

也违反规范。你可以改变规则并允许它（通过修改DNS服务器软件），但是你的操作系统的DNS解析器将不支持它，你的路由器的DNS软件也不支持它

---

解决方案：不要尝试在DNS名称中使用

。

。它在任何地方都不起作用，而且违反了规范这看起来像是URI中的一个bug，而URI open、HttpParty和许多其他gem都使用了URI.parse

这里有一个解决方法：

require 'net/http'
require 'open-uri'

def hopen(url)
  begin
    open(url)
  rescue URI::InvalidURIError
    host = url.match(".+\:\/\/([^\/]+)")[1]
    path = url.partition(host)[2] || "/"
    Net::HTTP.get host, path
  end
end

resp = hopen("http://dear_raed.blogspot.com/2009_01_01_archive.html")

---

我建议使用路缘宝石：它只包装libcurl。下面是一个简单的示例，它将自动执行重定向并打印响应代码和响应正文：

rsp = Curl::Easy.http_get(url){|curl| curl.follow_location = true; curl.max_redirects=10;}
puts rsp.response_code
puts rsp.body_str

---

我通常避免使用ruby URI类，因为它们与规范太过严格，正如你所知，web是一个狂野的西部：）Curl/curb像champ一样处理我抛出的每个url。

我的rails应用程序中的这个初始值设定项似乎使URI.parse至少能够工作：

#config/initializers/uri_underline.rb
类URI:：泛型
def使用注册表检查初始化注册表（方案，
用户信息、主机、端口、注册表、，
路径，不透明，
查询
碎片，
parser=默认的\u解析器，
arg_check=false）
如果%w（http https）.include？（scheme）&&host.nil？&&注册表=~/_/
在没有注册表检查的情况下初始化注册表（scheme、userinfo、注册表、端口、nil、path、不透明、查询、片段、解析器、arg\u检查）
其他的
在没有注册表检查的情况下初始化注册表（方案、用户信息、主机、端口、注册表、路径、不透明、查询、片段、解析器、参数检查）
结束
结束
别名\u方法\u链：初始化，：注册表\u检查
结束

URI

对url的外观有一个老式的概念

要绕过这个问题：

require 'open-uri'
require 'addressable/uri'

class URI::Parser
  def split url
    a = Addressable::URI::parse url
    [a.scheme, a.userinfo, a.host, a.port, nil, a.path, nil, a.query, a.fragment]
  end
end

resp = open("http://sub_domain.domain.com") # Yay!

---

别忘了

gem安装可寻址的
这里是另一个丑陋的黑客，不需要gem：

def parse(url = nil)
    begin
        URI.parse(url)
    rescue URI::InvalidURIError
        host = url.match(".+\:\/\/([^\/]+)")[1]
        uri = URI.parse(url.sub(host, 'dummy-host'))
        uri.instance_variable_set('@host', host)
        uri
    end
end

我在尝试使用gem update/gem install等时也遇到了同样的错误。因此，我改用了IP地址，现在一切正常。
这里有一个补丁，可以解决各种情况下（rest客户端、开放uri等）的问题，而无需使用外部gem或重写uri的部分。解析：

module URI
  DEFAULT_PARSER = Parser.new(:HOSTNAME => "(?:(?:[a-zA-Z\\d](?:[-\\_a-zA-Z\\d]*[a-zA-Z\\d])?)\\.)*(?:[a-zA-Z](?:[-\\_a-zA-Z\\d]*[a-zA-Z\\d])?)\\.?")
end

资料来源：

Ruby core有一个悬而未决的问题：
对于任何遇到这个问题的人：

Ruby的
URI.parse过去是基于RFC2396（1998年8月发布），请参见

但是从Ruby2.2URI开始，如果您使用的是现代版本，那么现在就不需要猴子补丁了。
不，我的意思就是下划线。正如我所提到的，我知道这是标准所不允许的，但也有类似的URL（例如在livejournal.com上），我必须处理它们。@Arty啊，我还没有意识到像livejournal这样的大玩家会允许这样的RFC破坏。嗯，我不知道：呃，下划线不是保留字符。它是无保留的。不仅仅是livejournal可以做到这一点，Windows允许在机器名中使用下划线，这样你就可以得到一个有下划线的坏主机名。诚如Tin Man所说，由于下划线是无保留字符，因此在通用URI的主机名部分允许使用下划线，但这与Earlz所说的并不矛盾，即您不能（成功地）在DNS中使用此类主机名。URI中允许它的事实并不意味着它将实际解析，这可能是合理的，因为注册的域和可解析的主机不是URI的唯一可能用途。子域允许有下划线。这是一个丑陋的黑客，但它的工作。问题是，我们的一个合作伙伴强迫我们使用这个域名，我们甚至必须将它添加到所有服务器上的主机文件中，因为它无法解决。。。非常好<代码>可寻址：：URI
比ruby core的URI更接近RFC如果您使用Rails，这是最好的解决方案。谢谢@Cluesques这一款很好用。但它给出了一个警告，因为常量DEFAULT_解析器已经存在。为了防止这种情况，我使用了：模块URI original\u verbose，$verbose=$verbose，nil DEFAULT\u PARSER=PARSER.new（：HOSTNAME=>“（？：（？：[a-zA-Z\\d]（？：[-\\u a-zA-Z\\d]*[a-zA-Z\\d]）\\）*（？：[a-zA-Z]（？：[-\\u a-zA-zA-Z\\d]*[a-zA-Z\\d]）\.）$VERBOSE=original_VERBOSE end`这也解决了我在使用URI.extract时遇到的问题，它在子域中带有下划线的链接上断开。