在正则表达式中将字符串保留到第二个斜杠？答案

【问题标题】：Retain string up to second slash in regex?在正则表达式中将字符串保留到第二个斜杠？
【发布时间】：2020-11-05 16:53:53
【问题描述】：

我试图只保留第一部分字符（包括 - 和数字）之后但在正斜杠之前的字符串。

我有以下字符串：

x <- c('/youtube.com/videos/cats', '/google.com/images/dogs', 'bbc.com/movies')

/youtube.com/videos/cats
/google.com/images/dogs
bbc.com/movies

所以它看起来像这样

/youtube.com/
/google.com/
bbc.com/

作为参考，我使用的是 R 3.6

我尝试过积极的后视，我得到的最接近的是：^\/[^\/]*

任何帮助表示赞赏

所以在 bbc.com/movies 示例中 - 字符串不以正斜杠 / 开头，但我仍然希望能够在比赛期间保留 bbc.com 部分

【问题讨论】：

你的尝试很接近，你可以做gsub('(^/?[^/]*/)|.', '\\1', x)

标签： r regex

【解决方案1】：

您可以在此处使用sub 仅执行单个正则表达式替换：

sub('^(/?[^/]*/).*', '\\1', x)

请参阅regex demo。

详情

^ - 字符串开头 -(/?[^/]*/) - 捕获组 1（替换模式中的 \1）：可选的 /，然后是除 / 之外的 0 个或多个字符，然后是 /
.* - 任何零个或多个字符，尽可能多。

见an R test online:

test <- c("/youtube.com/videos/cats", "/google.com/images/dogs", "bbc.com/movies")
sub('^(/?[^/]*/).*', '\\1', test)
# => [1] "/youtube.com/" "/google.com/"  "bbc.com/"

【讨论】：

是否也可以捕获到第二个分组？所以最多但包括第三个斜线（如果存在）？例如youtube.com/cats/dogs/beans 只会捕获 youtube.com/cats/dogs/？
@BeansOnToast ^(/?[^/]*(?:/[^/]*){2}).*，见demo。

【解决方案2】：

第一个很棒的用户名。试试这个，您可以利用 str_extract 仅提取第一个匹配项这一事实。假设所有 url 都匹配 letters.letters 这个模式应该有效。如果其中有数字，请告诉我。

library(stringr) 
c("/youtube.com/videos/cats",
  "/google.com/images/dogs",
  "bbc.com/movies") %>% 
   str_extract(., "/?\\w+\\.\\w+/")

生产

"/youtube.com/" "/google.com/"  "bbc.com/"

【讨论】：

【解决方案3】：

使用基础 R

gsub('(\\/?.*\\.com\\/).*', '\\1', x)
[1] "/youtube.com/" "/google.com/"  "bbc.com/"

【讨论】：

【解决方案4】：

另一种选择是使用 rebus 包：

library(rebus)
library(stringi)

t <-  c("/youtube.com/videos/cats"," /google.com/images/dogs"," bbc.com/movie")

 pattern <- zero_or_more("/") %R% one_or_more(ALPHA) %R% DOT %R% one_or_more(ALPHA) %R% zero_or_more("/")

 stringi::stri_extract_first_regex(t, pattern) 

[1] "/youtube.com/" "/google.com/"  "bbc.com/"

【讨论】：