从R中的一批URL中提取参数

我试图从R中的URL中提取一个参数。参数的确切位置将发生变化，因此我需要以其他方式识别它

下面是一个URL示例：

https://www.example.se/-Hotell.d178317.Reseguide-Hotell-SMP?destinationId=178317&kword=ZzZz.4650002325454

我想提取

d

-在本例中

178317

之后的数字

---

目前我正在使用这个函数

sub（“.d”，”，url）

，我不知道如何继续。有人能建议如何在这个例子中使用这个函数吗？干杯

我想您真正想要的是提取

destinationId

之后的任何内容，这样您就可以：

urls <- c("https://www.example.se/-Hotell.d178317.Reseguide-Hotell-SMP?destinationId=178317&kword=ZzZz.4650002325454")
gsub(".*?destinationId=(\\d+).*", "\\1", urls)

---

使用两个

sub

s：

> url
[1] "https://www.example.se/-Hotell.d178317.Reseguide-Hotell-SMP?destinationId=178317&kword=ZzZz.4650002325454"

这是第一个

“.d”

”之前的所有内容：

然后用一个

子文件

将从第一个非数字开始的所有内容切掉：

> sub("[^0-9].*","",sub(".*?\\.d","",url))
[1] "178317"

---

使用

as.numeric

生成一个数字。

使用比@Spacedman使用的更精细的正则表达式，结合他的两个部分加上匹配，您可以将其限制为一次sub（）调用：

正则表达式的作用：

• *匹配任意字符（.）零次或多次（*）
• \\.d匹配一个点（实际字符，不是元字符；\\转义元字符），后跟一个d
• （[0-9]+）至少包含一次从0到9（[0-9]）的数字（+）；括号使此零件可用于匹配
• \\。又是一个点
• *后面跟任意字符

---

“\\1”匹配正则表达式中括号之间的位，该位现在被sub替换，因此作为输出。

该数字出现两次-在

Hotell.d

之后的URL路径中，并作为查询字符串中的真参数（

destinationId

）。例如，使用

httr:：parse_url

获取参数很容易。@Spacedman，在本例中，destinationId重复出现，但并不总是出现两次。这就是为什么我想在“.d”之后提取它。你能建议一个不同的公式吗？所以它总是紧跟在第一个连续的点和“d”之后的一系列数字？不幸的是，destinationId参数并不总是存在于我的其他URL中（请原谅这个糟糕的例子）。因此，我需要使用一个更复杂的正则表达式从“.d”之后提取它，结合这两个加上匹配，您可以将它限制为一个sub（）调用：

sub（“.\\\.d（[0-9]+）\\\\..*，“\\1”，url）

@4rj4n，值得回答。我忘了在

sub

中匹配，R的正则表达式函数很烦人…完成了。我还删除了你在正则表达式中的问号。我不确定它是否添加到正则表达式中。是吗？谢谢你们，真的很感谢你们的帮助：）

> sub(".*?\\.d","",url)
[1] "178317.Reseguide-Hotell-SMP?destinationId=178317&kword=ZzZz.4650002325454"
> 

> sub("[^0-9].*","",sub(".*?\\.d","",url))
[1] "178317"

sub(".*\\.d([0-9]+)\\..*", "\\1", url)