R替換所有屬於網站的子字符串

Question

我努力了

gsub("/^(http?:\\/\\/)?([\\da-z\\.-]+)\\.([a-z\\.]{2,6})([\\/\\w \\.-]*)*\\/?$/","","This is a website http://www.example.com/test and needs to be removed",ignore.case=T, perl=T)

模式來自： 本網站

代碼運行但不起作用。 有任何想法嗎？

Answer 1

去掉：

• ^和$ ，與行的開始/結尾匹配
• first和last / ，它們是分隔符，gsub不需要
• 空間 ，這避免了您僅匹配url-當前，它捕獲了該行的所有結尾）

gsub("(http?:\\/\\/)?([\\da-z\\.-]+)\\.([a-z\\.]{2,6})([\\/\\w\\.-]*)*\\/?","","This is a website http://www.example.com/test and needs to be removed",ignore.case=T, perl=T)

試試吧

Answer 2

rm_url ，維護了qdapRegex軟件包中的rm_url函數。 它具有糾正遺留的多余空白的附加好處：

library(qdapRegex)

rm_url("This is a website http://www.example.com/test and needs to be removed")
## [1] "This is a website and needs to be removed"

如果你有興趣在正則表達式是什么rm_url可以使用grab使用單一的正則表達式上的任何qdapRegex功能功能，了解所用的表達：

grab("rm_url")
## [1] "(http[^ ]*)|(ftp[^ ]*)|(www\\.[^ ]*)"