R正则表达式：http匹配

Question

我在使用正则表达式匹配 http 链接时遇到问题。我有一个模式，我想从网站源代码中提取。源代码有 200 多行，其中包含大量 HTML 乱码，例如 </html><body... useless links useless images'

我需要的 http 链接属于这种模式：

<a href"http:www.google.com/....1,1">
<a href"http:www.google.com/....2,2">
<a href"http:www.google.com/....3,3">

我只想获取 http 链接，它们的独特模式是结尾。请帮忙，我在 gusb、regxpr 和 grep 的实验中被困了好几个小时。

Answer 1

正则表达式很难与通用 URL (URL Matching) 匹配，但是如果您一直希望匹配该确切的模式，您可以试试这个

`http:www\.google\.com/.*?(\d+),\1`

这将搜索 http:www.google.com 后跟任何内容，并在逗号的每一侧以相同的两个数字结尾，这就是您希望从显示的模式中看到的。