是否有正则表达式在两个正斜杠之间和特定字符串之后查找字符串？[R]

我有一个dataframe，其中有一列包含如下URL：

https://www.facebook.com/nameofpage/posts/13142894231

我正在尝试将此列的nameofpage部分提取到一个新列中。我不知道如何在那个确切的位置提取字符串。字符串有时包含文字、文本和数字

我一直在尝试使用strsplit并与tidyr分离，但收效甚微

tidyr代码如下所示：

  separate(Link, c(NA, NA, NA, "target"), sep = "/")

然而，这真的根本不起作用

我希望将页面名称提取到列中，但有时输出实际上是URL的另一部分。

您可以使用stringr包中的stru-split

URL = "https://www.facebook.com/nameofpage/posts/13142894231"

library(stringr)

str_split(URL, "/")
[[1]]
[1] "https:"           ""                 "www.facebook.com" "nameofpage"      
[5] "posts"            "13142894231"     

str_split(URL, "/")[[1]][4]
[1] "nameofpage"

此外，还有一个，它将在正则表达式中返回匹配的组：

str_match(url, "://(.*?)/(.*?)(\/|$)")[,2]

---

您可以编写自定义函数来处理字符串：

get.nameofpage = function(string){
  (unlist(strsplit(string, "\\/")))[4]
}

# Example
my.string = "https://www.facebook.com/nameofpage/posts/13142894231"
> get.nameofpage(my.string)
[1] "nameofpage"

你可以使用gsub。这将在.com之后返回至少一个+字符，该字符不是正斜杠[^/]：

---

注意：这只适用于带有.com的url，也就是说，它不适用于其他域.edu、.org等。

关于我们对所需字段位置的确切了解，存在一些问题，但如果我们知道它是第四个/分隔字段，或者是最后一个字段的第三个，我们可以分别使用1或2。如果以上两项都不能假设，请明确说明我们如何知道需要哪个领域

1 read.table使用下面注释中的字符向量ss作为输入，如果我们知道所需字段位于第三和第四斜杠之间，我们可以使用read.table

read.table(text = ss, sep = "/", fill = TRUE, as.is = TRUE)[[4]]
## [1] "nameofpage" "nameofpage"

1a使用单独的：

2 dirname/base如果我们知道所需字段是过去的第三个字段，则可以使用dirname和basename：

basename(dirname(dirname(ss)))
## [1] "nameofpage" "nameofpage"

笔记

---

哪个是要检查的特定字符串？您还可以添加更多示例吗？在两个正斜杠之间和特定字符串之后，那么特定字符串是什么？问题是字符串总是不同的。有时是简单的文本，有时是带数字的文本，有时是带文字的文本。某处，或三者的组合。我只是想获取页面字符串的名称，所以它总是在facebook.com/之后。另一个选项类似于G5W的解决方案，但用于多个元素：sapplystrsplitcx，x，split=/，fixed=TRUE[[，4只适用于.com页面，不适用于任何oterh域类型。@42-非常正确的OP在上面的评论中说，它总是在facebook.com之后出现。为了清晰起见，我将添加一个编辑，但是否有理由使用str_split而不是base str.split？

library(tidyr)

separate(data.frame(ss), ss, c(NA, NA, NA, "target"), sep = "/", extra = "drop")
##       target
## 1 nameofpage
## 2 nameofpage

basename(dirname(dirname(ss)))
## [1] "nameofpage" "nameofpage"

s <- "https://www.facebook.com/nameofpage/posts/13142894231"
ss <- c(s, s)