Crawler::UrlParser

url_parser.rb

module Crawler
  class UrlParser
    # Instancia a classe e já faz o parser
    # retornando um hash com os atributos da URL
    def self.parse url
      _ = new url
      _.parse!
    end

    def initialize url
      @url = URI url
      
      # Verifica se a url já tem o scheme definido (http://, https://)
      # caso não colocamos http://
      @url = URI 'http://' + url unless url.starts_with? 'http://', 'https://'
    end

    # monta o hash com as informações da URL
    def parse!
      {
        url_scheme: @url.scheme,
        host: @url.host,
        path: url_path,
        fragment: url_fragment,
        query_strings: url_queries
      }
    end

    protected

    # Retorna o path da url
    # @url = 'http://foo.bar/lorem'
    # return '/lorem'
    def url_path
      return "/" if @url.path.blank?
      @url.path
    end
    
    # Retorna o fragmento da url
    # @url = 'http://foo.bar/lorem#foo-bar'
    # return '#foo-bar'
    def url_fragment
      if @url.fragment.present?
        # seta @queries com o valor da query string na URL 
        # caso ela venha junto com o fragment
        @fragment, @queries = @url.fragment.split('?')
        '#' + @fragment
      end
    end
    
    # Retorna o query_string da url
    # @url = 'http://foo.bar/lorem?foo=bar&bar=foo'
    # return 'foo=bar&bar=foo'
    def url_queries
      @queries ||= @url.query
    rescue
      nil
    end
  end
end