r - gsub 命令替换以 R 中特定字母开头的单词

Question

我的问题是什么是 gsub 命令来代替以特定字母开头的单词。我的主要目标是从给定文本中删除所有 URL。

例如，我有一个文本："refer http://www.google.com for further details". 我需要做的是将文本转换为"refer for further details". 为此，基本上我需要编写gsub如下命令：

text <- "refer http://www.google.com for further details"

gsub("http", "", text)

但是，这只会从文本中删除部分“http”。我需要删除以“http”开头的完整单词。

我尝试过的其他一些命令：

gsub('http..', "", text) # -->removes two letters more after 'http' (the number of dots specifies the number of letters'
gsub('^http', "", text)
gsub('/http', "", text)
gsub('\\\http', "", text)

这一切都没有产生任何丰硕的成果。

在这方面的任何帮助将不胜感激。

Answer 1

这只是一个一半的答案：

gsub("https?://.*?\\s", "", text)
# [1] "refer for further details"

为什么是“半途而废”？它实际上只解决了一组有限的场景——URL 后面总是跟着空格的场景。但是，如果它遇到一个紧跟标点符号的 URL，它将不起作用。

检测 URL 是一项相当常见的任务。您应该能够通过搜索“regex identify URL”之类的内容找到更详细的模式。不过，最有可能的是，您需要对其进行一些修改才能与 R 一起使用。