[Bug #21294] URI.extract で意図しない URI が抽出されるバグ報告

[Bug #21294] URI.extract is extracting invalid URIs with a mishmash of IPv6 notation with IPv4 address

• http://[127.0.0.1] は有効な URI でないのにも関わらず URI.extract で抽出されてしまうバグ報告
• URI.extract とは『文字列から URI を抽出して配列として返す』というメソッド
• URI.extract (Ruby 3.4 リファレンスマニュアル)

require 'uri'

str = "
hoge
http://www.ruby-lang.org/
  http://www.ruby-lang.org/man-1.6/
  https://docs.ruby-lang.org/ja/latest/method/URI/s/extract.html
fuga
"

# URI にマッチした文字列を配列として返す
p URI.extract(str)
# => ["http://www.ruby-lang.org/", "http://www.ruby-lang.org/man-1.6/", "https://docs.ruby-lang.org/ja/latest/method/URI/s/extract.html"]

# http のみ抽出する
p URI.extract(str, :http)
# => ["http://www.ruby-lang.org/", "http://www.ruby-lang.org/man-1.6/"]

# https のみ抽出する
p URI.extract(str, :https)
# => ["https://docs.ruby-lang.org/ja/latest/method/URI/s/extract.html"]

• この URI.extract に http://[127.0.0.1] を渡すと URI として抽出されるので次のようなケースで意図せずエラーになってしまう

require 'uri'

URI.extract("Fake URL: http://[127.0.0.1]" , :http).each do |uri| # => ['http://[127.0.0.1]']
  URI.parse(uri) # => raise URI::InvalidURIError
end

• これなんですが URI.extract は現状だと非推奨なんですね
  • https://bugs.ruby-lang.org/issues/21294#note-1
• なので -w や $VERBOSE = true をしていると次のような警告がでるようになっている

$VERBOSE = true

require 'uri'

# warning: URI::RFC3986_PARSER.extract is obsolete. Use URI::RFC2396_PARSER.extract explicitly.
p URI.extract("Fake URL: http://[127.0.0.1]")

• それでも同様のことをしたい場合は URI::RFC2396_PARSER.extract と URI::RFC2396_PARSER.parse が利用できるみたいですね
  • URI::RFC2396_PARSER.parse であれば http://[127.0.0.1] も正しくパースできるみたい
  • ただし、この動作は古い RFC に基づいているので注意が必要とのこと

require 'uri'

URI::RFC2396_PARSER.extract("Fake URL: http://[127.0.0.1]" , :http).each do |uri| # => ['http://[127.0.0.1]']
  p URI::RFC2396_PARSER.parse(uri) # => #<URI::HTTP http://[127.0.0.1]>
end