如何删除字符串中包含“.com”但有链接的所有内容？答案

【问题标题】：How to delete everything that contains ".com" in the string but has a link?如何删除字符串中包含“.com”但有链接的所有内容？
【发布时间】：2020-10-21 17:48:42
【问题描述】：

我怎样才能在文本中得到我期望的输出，如下例所示？

x<-c("Commerce recommend erkanexample.com.tr. This site erkanexample.com. erkandeneme.com is widely. The company name is apple.commerce is coma. spread")
x<-gsub("(.com)\\S+", "",x)
x
[1] "Commerce r erkanexample This site erkanexample erkandeneme.com is widely. The name is apple is"
expected
[1] "Commerce recommend This site. is widely. The company name is apple.commerce is coma. spread"
>

【问题讨论】：

试试x<-gsub("\\s*\\S+\\.com\\b(?:\\.\\S+)?", "", x)
如果上述方法不起作用，请尝试gsub("\\s*\\S+\\.com(?:\\.\\w+)*\\b", "", x)。
任何解决方案都有效吗？
非常感谢@Wiktor Stribiżew 和大家。两者似乎都有效。我希望您给我一些时间来全面检查我拥有的数据库。
代码是有效的。谢谢。

标签： r string gsub

【解决方案1】：

stringr 包提供了基本字符串操作的功能：

library(stringr)
library(dplyr)

x %>% 
  str_split(" ") %>% 
  unlist() %>% 
  str_subset("\\.com($|\\.)",negate = TRUE) %>% 
  str_c(collapse = " ")

给予：

"Commerce recommend This site is widely. The company name is apple.commerce is coma. spread"

编辑后

x %>% 
  str_split(" ") %>% 
  unlist() %>%
  str_subset("\\.com$", negate = TRUE) %>% 
  str_replace(".*\\.com.*\\.$", ".") %>%
  str_c(collapse = " ") %>%
  str_replace_all(" \\.", "\\.")

给予：

"Commerce recommend. This site. is widely. The company name is apple.commerce is coma. spread"

【讨论】：

谢谢@det 我在手动编写预期输出时纠正了一个错误。 “……这个网站。”我忘了这里的点号。我想。我会提供信息。
我已经添加了编辑，但我不确定它是否是你想要的。
我预期的输出是正确的。用 Gsub 做起来更简单，我有很多解决方案。我检查我的数据库。它在你的答案中起作用。我很惊讶该选择哪一个。谢谢@det。
@Erkan 是的，当然没问题，很乐意提供帮助。我不太擅长正则表达式。

【解决方案2】：

IDEA：按空格分割并检测哪个单词包含 .com 并选择哪个不包含该单词并加入它们

x<-c("Commerce recommend erkanexample.com.tr. This site erkanexample.com. erkandeneme.com is widely. The company name is apple.commerce is coma. spread")
split_str <- str_split(x," ",simplify =FALSE)[[1]]
paste(split_str[!grepl("[.]com", split_str)],collapse = " ")

给予

“商务推荐这个网站广泛。公司名称是昏迷。传播”

【讨论】：

更新了答案，因为正则表达式需要检测 .com 是 '[.]com'
谢谢@vishal。用 gsub 编写的解决方案对我来说似乎更简单。他们似乎在工作。我希望您给我一些时间来全面检查我拥有的数据库。

【解决方案3】：

这是你想要的吗？

gsub("\\s[a-z]+\\.com(\\.[a-z]+)?\\b", "", x)
[1] "Commerce recommend. This site. is widely. The company name is apple.commerce is coma. spread"

这里，我们什么都不替换：

\\s：一个空格字符
[a-z]+：一个或多个小写字母
\\.：一节
com：字符串com
(\\.[a-z]+)?：一个可选的句点，后跟一个或多个可选的小写字母
\\b: 一个词的边界

【讨论】：

谢谢@Chris Ruehlemann。你的回答似乎奏效了。我希望您给我一些时间来全面检查我拥有的数据库。