rubyで文字列の中に含まれる正規表現を抽出する

Question

前提・実現したいこと

ログの中からGoogle botのipを数えたいです。
複雑な文字列からrubyのstring#includeを用いて、google botかどうか判定させたいです。

以下が対象の文字列です。

str= "Mozilla/5.0 (Linux; Android 6.0.1; Nexus 5X Build/MMB29P) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.120 Mobile Safari/537.36 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)"

↑の文字列の中のChrome/の後ろのipが可変なので(79.0.3945.120の部分)、それに対応する正規表現を挿れたいのですが、それは可能なのでしょうか？

実現したいこと

以下のような具合で文字列の中で正規表現を挿れたいです。

str.include?("Mozilla/5.0 (Linux; Android 6.0.1; Nexus 5X Build/MMB29P) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/#{ipの正規表現にしたい} Mobile Safari/537.36 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)  ")

変数展開の中身を正規表現にさせて
この場合にはtrueを返したいです。

試したこと

require 'resolv'

ip_rege = Resolv::IPv4::Regex

として、#{ ip_rege} と文字列の中に挿入したのですが、うまくいかないので、困って質問させていただきました。
大変お手数おかけしますが、参考にさせていただけましたら幸いです。

補足情報（FW/ツールのバージョンなど）

ruby -v
2.6.3

Comments

[asm]

> 文字列の中のChrome/の後ろのipが可変なので(79.0.3945.120の部分)
そもそもIPアドレスではなくバージョン番号です。

GooglebotのUAを使っているかを判別したいのか
それとも、IPアドレス(バージョン番号?)を取得したいのか、どちらなのでしょうか？

前者なのであればバージョン番号部分を気にする必要はありません。

[lovetelevi]

スマホ、pcごとの、GooglebotのUAを使っているかを判別したいです。

バージョン番号だとはわかりませんでした。大変勉強になりました！

Answer 1

判別だけしたいのならば

str.match?(/\s?Googlebot/\d/)

だけ見ればよいかと思います。

ログの中からということなので
大量の文字列が配列として渡されていることを想定するとEnumerable#grepが便利です。

logs = ["nobot", "Googlebot/2.1", "Google"]
p logs.grep(/\s?Googlebot/\d/) # => ["Googlebot/2.1"]

Comments

[lovetelevi]

ご回答ありがとうございます！

後出しで大変申し訳ないのですが、pcブラウザとスマホブラウザで分けて判別したいのです。

スマホのbotは
"Mozilla/5.0 (Linux; Android 6.0.1; Nexus 5X Build/MMB29P) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/w.x.y.z", "Mobile Safari/537.36 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)"

で

pcのbotは

"Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)"
と
"Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; Googlebot/2.1; +http://www.google.com/bot.html) Chrome/"

の二種類のユーザーエージェントがあります。

pcはGooglebotで
スマホはMobile Safari/537.36 (compatible; Googlebot/2.1
でそれぞれ分けて部分的にmatchさせれば良さそうですが、できれば表題の通り、全一致で取れると確実性が高まると思うのですが、、難しいでしょうか。

[asm]

偽陽性・偽陰性どっちのリスクを軽視するかなのですが
確実性を高めるために最小の特徴的な文字列で判別しています。

偽陽性のリスクを重視し長い正規表現を使うのであれば

%r{Mozilla/5.0 (Linux; Android 6.0.1; Nexus 5X Build/MMB29P) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/\d+.\d+.\d+.\d+ Mobile Safari/537.36 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)}

となります。

[lovetelevi]

大変勉強になりました。
ありがとうございます。
正規表現勉強しなきゃと強く感じました。