从R中的URL中提取部分字符串答案

【问题标题】：Extract part of string from URL in R从R中的URL中提取部分字符串
【发布时间】：2018-06-25 15:05:29
【问题描述】：

这是我拥有的示例行。我想要的只是提取网站名称，例如； 3dubs 或 adludio 怎么做？干杯，

URL
https://www.3dhubs.com/
https://adludio.com/
https://aircall.io/
https://www.andjaro.com/en/home/

结果

3dhubs
adludio
aircall
andjaro

输入这段代码后，

suffix_extract(domain(df$URL))

我得到的结果如下：当我尝试分配它时，它看起来不同。如何获取域并分配给列？

host            subdomain  domain   suffix
www.3dhubs.com  www        3dhubs   com
adludio.com     <NA>       adludio  com

【问题讨论】：

标签： r string substring

【解决方案1】：

使用适当的 URL 解析器（如 urltools 包中的解析器）可能是最安全的。例如

dd$domain <- urltools::url_parse(dd$URL)$domain

经过测试

dd<-read.table(text="URL
https://www.3dhubs.com/
https://adludio.com/
https://aircall.io/
https://www.andjaro.com/en/home/", header=T, stringsAsFactors=FALSE)

【讨论】：

事实上 suffix_extract(domain(df$URL)) 给了我我想要的域。但是我不能将结果分配给列。一旦我分配了它，它的显示就与控制台结果不同。
你到底尝试了什么？
编辑问题
与其他答案的评论相同：使用gsub 删除子域并不像答案中建议的那么简单。使用suffix_extract 可能更安全。

【解决方案2】：

如何获取域并分配给列？

使用 {urltools}，以下对我有用：

df$domain = suffix_extract(domain(df$URL))$domain

【讨论】：

【解决方案3】：

库 urltools 应该可以工作。如果您的数据在对象 url 中，这就是它返回的内容。

library(urltools)
df1 <- suffix_extract(domain(urls))
df1
             host subdomain  domain suffix
1  www.3dhubs.com       www  3dhubs    com
2     adludio.com      <NA> adludio    com
3      aircall.io      <NA> aircall     io
4 www.andjaro.com       www andjaro    com

df1$domain
[1] "3dhubs"  "adludio" "aircall" "andjaro"

一个 dplyr / tidyr 选项如下，但带有来自 urltools 的 url_parse 以确保它是一个有效的 url。

library(dplyr)
library(tidyr)

df <- data_frame(urls)

df %>% 
  mutate(url_parsed = urltools::url_parse(urls)$domain) %>% 
  separate(url_parsed, into = c("subdomain", "domain", "suffix"), fill = "left")

# A tibble: 4 x 4
  urls                             subdomain domain  suffix
  <chr>                            <chr>     <chr>   <chr> 
1 https://www.3dhubs.com/          www       3dhubs  com   
2 https://adludio.com/             NA        adludio com   
3 https://aircall.io/              NA        aircall io    
4 https://www.andjaro.com/en/home/ www       andjaro com

数据：

urls <- c("https://www.3dhubs.com/", "https://adludio.com/", "https://aircall.io/", 
          "https://www.andjaro.com/en/home/")

【讨论】：