删除以R中的单词开头的句子？

我在R里有一条这样的推文

"RT @SportClipsUT125: #SavingLivesLooksGood with #RedCross. Donate this month & Get free haircut cpn. https://somewebsite https://somewebsite…"

如何删除所有链接（以删除重复的tweet），以便下面的tweet实际返回下面的字符串

"RT @SportClipsUT125: #SavingLivesLooksGood with #RedCross. Donate this month & Get free haircut" 

我试过这个：

gsub('https*','',test_str)

但它又回来了

"RT @SportClipsUT125: #SavingLivesLooksGood with #RedCross. Donate this           
month & Get free haircut cpn. ://somewebsite ://somewebsite…"

---

一个简单的解决方案是更改gsub命令：

gsub（“http[s]*：//[：alnum:][]*，”，test_str）

这将正确删除URL的http和https版本

@alistaire在评论中的建议实际上适用于更多的情况，更容易理解

gsub（'http\\s*，“”，test_str）

将删除任何以http开头的内容。当它找到一个空间（URL没有）时，它将停止

gsub（（RT|via）（（（？：\\b\\W*@\\W+）），”，test\u str）

删除转发

gsub（“@\\w+”，“”，test\u str）

remove-Atpeople

我强烈建议您将数据放入语料库（一种特殊的数据格式），这样可以很容易地删除经常重复的单词和URL。 如果您有大量数据，您可以这样做：

corpus <- Corpus(VectorSource(my_data))
corpus = tm_map(corpus,content_transformer(function(x) iconv(x, to='UTF8', sub='byte')))
removeURL <- function(x) {gsub('http\\S*', "", x)}
corpus <- tm_map(corpus, content_transformer(removeURL))

---

corpus一个简单的解决方案是更改gsub命令：

gsub（“http[s]*：//[：alnum:][]*，”，test_str）
这将正确删除URL的http和https版本

@alistaire在评论中的建议实际上适用于更多的情况，更容易理解
gsub（'http\\s*，“”，test_str）
将删除任何以http开头的内容。当它找到一个空间（URL没有）时，它将停止

gsub（（RT|via）（（（？：\\b\\W*@\\W+）），”，test\u str）
删除转发

gsub（“@\\w+”，“”，test\u str）
remove-Atpeople

我强烈建议您将数据放入语料库（一种特殊的数据格式），这样可以很容易地删除经常重复的单词和URL。
如果您有大量数据，您可以这样做：

corpus <- Corpus(VectorSource(my_data))
corpus = tm_map(corpus,content_transformer(function(x) iconv(x, to='UTF8', sub='byte')))
removeURL <- function(x) {gsub('http\\S*', "", x)}
corpus <- tm_map(corpus, content_transformer(removeURL))

语料库您需要将量词放在要重复的字符上
\\S
绝不是空格字符：
gsub（'http\\S*，''，''，RT@SportClipsUT125:#与#RedCross一起拯救生活。本月捐款并获得免费理发cpn。https://somewebsite https://somewebsite“…”
也许您可以再次向twitter发送相同的查询，并附加-RT（区分大小写）。这将删除转发。谢谢@alistaire这确实有效！因此，您的代码实际上是在删除https和空格之后的所有内容？它查找一个模式，即“http”后跟除空格以外的任何字符，重复0次或更多次，并将其替换为零。它实际上会留下尾随空格，但如果有必要的话，你可以加上它来解决这个问题。你需要把量词放在你想重复的字符上
\\S
绝不是空格字符：
gsub（'http\\S*，''，''，RT@SportClipsUT125:#与#RedCross一起拯救生活。本月捐款并获得免费理发cpn。https://somewebsite https://somewebsite“…”
也许您可以再次向twitter发送相同的查询，并附加-RT（区分大小写）。这将删除转发。谢谢@alistaire这确实有效！因此，您的代码实际上是在删除https和空格之后的所有内容？它查找一个模式，即“http”后跟除空格以外的任何字符，重复0次或更多次，并将其替换为零。它实际上会留下尾随空格，但如果有必要的话，您可以添加它来解决这个问题。谢谢您的回答。但是我尝试了gsub（“http[:alnum:][]*”，“”，test_str），但是它只去掉了“http”并将其余的短链接保留在那里？哦，修复了它（在删除线代码中），但是@alistaire的建议对于这个特定的问题更好。谢谢你的回答。但是我尝试了gsub（“http[[：alnum:]*”，“”，test_str），但它只去掉了“http”，并将短链接的其余部分保留在那里？哦，修复了它（在删除线代码中），但是@alistaire的建议更适合这个特定问题。