Regex 从循环模式中提取未知单词

我有一个叫做df的数据框，关于西班牙一家重要报纸《先锋报》的文章。关键是我想提取每篇文章属于哪个类别。仔细查看所提供的链接，我发现有一种反复出现的模式，下面是一个示例：

status_link
 www.lavanguardia.com/de-moda/moda/infantil/20150928/54437701110/freya-fossaceco-it-girl-8-meses.html                                                                             
 www.lavanguardia.com/local/barcelona/20150927/54437681718/resultados-elecciones-barcelona.html                                                                                       
 www.lavanguardia.com/ciencia/20150928/54436850805/metastasis-cerebro-perfil-genetico-tratamiento-vall-d-hebron.html                                                                  
 videos.lavanguardia.com/politica/elecciones-catalanas/20150928/54437688908/gobierno-debe-reaccionar-antes-elecciones-generales.html                                                                                                                                    
 www.lavanguardia.com/economia/20150928/54436887975/audi-millones-coche-dieselgate.html                                                                                                  
 www.lavanguardia.com/vida/20150928/54437702392/claves-sobreexponer-hijos-internet.html                                                                                           
 www.lavanguardia.com/ciencia/20150928/54437643626/superluna-roja-de-sangre.html 

请注意，第一个斜杠后的第一个单词对应于类别（西班牙语）：Moda（时尚）、Local、science、economics、life等

www.lavanguardia.com/de moda/moda/infantil/20150928/54437701110/freya-fossaceco-it-girl-8-meses.html
www.lavanguardia.com/local/barcelona/20150927/54437681718/resultados-elecciones-barcelona.html

我想提取每个单词，并在每个链接旁边创建一个新变量，为每个链接分配相应的类别。恐怕我不知道可能有多少类别，但这种模式是反复出现的。还请注意，有时链接会有所不同，请参见此处发布的第四个链接，但它仍然保持相同的结构

我一直在尝试所有建议，但在这种情况下如何实现包regex（或其他可能有用的包）对我来说不是很清楚

如果有任何建议，我将不胜感激

编辑

我把数据上传到这里，这样你就可以使用它了。我感兴趣的专栏是：状态链接

你可以试试这个（正则表达式方法）

>x y=sub（“^[^\\/]+\\/（[^\\/]+）.$”，“\\1”，x）
>数据帧（x，y）
xy
#1 www.lavanguardia.com/de-moda/moda/infantil/20150928/54437701110/freya-fossaceco-it-girl-8-meses.html de moda
#2 www.lavanguardia.com/local/barcelona/20150927/54437681718/resultados-elecciones-barcelona.html local
#3 www.lavanguardia.com/ciencia/20150928/54436850805/transference-cerbiro-perfil-genetico-trataminto-vall-d-hebron.html ciencia
#4 videos.lavanguardia.com/politica/elecciones-catalanas/20150928/54437688908/gobierno-debe-reaccionar-antes-elecciones-generales.html politica
#5 www.lavanguardia.com/economia/20150928/54436887975/audi-millones-coche-dieselgate.html economia
#6 www.lavanguardia.com/vida/20150928/54437702392/claves-sobreexponer-hijos-internet.html vida
#7 www.lavanguardia.com/ciencia/20150928/54437643626/superluna-roja-de-sangre.html ciencia

根据你的评论，试试看

> tmp <- read.csv("LaVanguardia_facebook_statuses.csv")
> sub("^(?:https?:\\/\\/)?[^\\/]+\\/([^\\/]+).*$", "\\1", tmp[,5])
#[1] "gente"         "series"        "deportes"      "television"    "vangdata"      "series"        "lacontra"      "participacion" "vida"          "comer"        
#[11] "vivo"          "local"         "politica"      "sucesos"       "natural"       "hemeroteca"    "natural"       "local"         "vida"          "fans"         
#[21] "television"    "viral"         "natural"       "deportes"      "vida"    

>tmp sub（“^（？：https？：\\/\\/）？[^\/]+\\/（[^\\/]+）.*$”，“\\1”，tmp[，5]）
#[1] “gente”“series”“驱逐”“TV”“vangdata”“series”“lacontra”“Participation”“vida”“comer”
#[11] “维梧”“本地”“politica”“sucesos”“天然”“河马”“天然”“本地”“维达”“粉丝”
#[21]“电视”“病毒”“自然”“驱逐”“维达”

为什么不以易于粘贴的形式提供数据？或者不提供

regex

：

strsplit（status\u link，“/”[[1]][2]

如果我手动插入数据，这个答案非常有效，但我无法使用数据框的列。我尝试过所有类型的数据转换，但我不能。我在这里上传了数据，所以你可以使用它：@adrian1121原因是你的链接中有

http

等。我正在更新答案

> tmp <- read.csv("LaVanguardia_facebook_statuses.csv")
> sub("^(?:https?:\\/\\/)?[^\\/]+\\/([^\\/]+).*$", "\\1", tmp[,5])
#[1] "gente"         "series"        "deportes"      "television"    "vangdata"      "series"        "lacontra"      "participacion" "vida"          "comer"        
#[11] "vivo"          "local"         "politica"      "sucesos"       "natural"       "hemeroteca"    "natural"       "local"         "vida"          "fans"         
#[21] "television"    "viral"         "natural"       "deportes"      "vida"