我有这个df:
dput(df)
structure(list(URLs = c("http://bursesvp.ro//portal/user/_/Banco_Votorantim_Cartoes/0-7f2f5cb67f1-22918b.html",
"http://46.165.216.78/.CartoesVotorantim/Usuarios/Cadastro/BV6102891782/",
"http://www.chalcedonyhotel.com/images/promoc/premiado.tam.fidelidade/",
"http://bmbt.ro/portal/a3/_Votorantim_/VotorantimCartoes2016/0-7f2f5cb67f1-22928b.html",
"http://voeazul.nl/azul/")), .Names = "URLs", row.names = c(NA,
-5L), class = "data.frame")
它描述了不同的URL,并且我试图计算主机名的字符数,无论这是实际名称(http://hostname.com/...。)或IP(http://000.000.000.000/..。)。但是,如果它是一个真实的名称,那么我只想要www之间的nchar。和.com。如果是IP,则其所有数字和“在”点之间。
以上示例数据的预期结果:
exp_outcome
1 8
2 13
3 15
4 4
5 7
我试图用
strsplit
做点什么,但是什么也做不了。
最佳答案
另一种,也许更直接的方式是使用不同的正则表达式:
nchar(sub("^http://(www\\.)?(([a-z]+)|([0-9.]+))(\\.[a-z]+)?/+.+$", "\\2", x$df))
#[1] 8 13 15 4 7
说明:
^http://
:在字符串(www\\.)?
:查找“www。”,零次或一次(因此这是可选的)(([a-z]+)|([0-9.]+))
:将捕获的模式:小写字母一个或多个时间或数字和点(\\.[a-z]+)?
:查找“。”后面跟一个或多个小写字母,零或一次(因此也是可选的)/+.+$
:查找“/”,后跟任何东西,一次或多次,直到字符串注意:
sub("^http://(www\\.)?(([a-z]+)|([0-9.]+))(\\.[a-z]+)?/+.+$", "\\2", x$df)
# [1] "bursesvp" "46.165.216.78" "chalcedonyhotel" "bmbt" "voeazul"
关于r - 计算字符串的一部分的字符,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34770900/