我在 R 中有一个字符串向量——<code>myStrings——看起来像：
[1] download file from `http://example.com`
[2] this is the link to my website `another url`
[3] go to `another url` from more info.
哪里another url是一个有效的 http url，但 stackoverflow 不会让我插入多个 url，这就是我写的原因another url。我想删除所有网址，myStrings使其看起来像：
[1] download file from
[2] this is the link to my website
[3] go to from more info.
我已经尝试了stringr包中的许多功能，但没有任何效果。
您可以使用gsub正则表达式来匹配 URL，
设置一个向量：
x <- c(
"download file from http://example.com",
"this is the link to my website http://example.com",
"go to http://example.com from more info.",
"Another url ftp://www.example.com",
"And https://www.example.net"
)
从每个字符串中删除所有 URL：
gsub(" ?(f|ht)tp(s?)://(.*)[.][a-z]+", "", x)
# [1] "download file from" "this is the link to my website"
# [3] "go to from more info." "Another url"
# [5] "And"
更新：最好您可以发布几个不同的 URL，以便我们知道我们正在使用什么。但我认为这个正则表达式适用于您在评论中提到的 URL：
" ?(f|ht)(tp)(s?)(://)(.*)[.|/](.*)"
上面的表达式解释：
?可选空间(f|ht)匹配"f"或"ht" tp匹配"tp"(s?)可选匹配"s"（如果存在）(://)匹配"://"(.*)匹配每个字符（一切）最多[.|/]句号或正斜杠(.*)之后的一切我不是正则表达式的专家，但我认为我解释正确。
注意：SO 答案中不再允许使用 url 缩短器，因此我在进行最近的编辑时被迫删除了一个部分。请参阅该部分的编辑历史记录。
我一直在为像这样的常见任务处理一组固定的正则表达式，我已经将它们放入github 上的一个包 qdapRegex 中，最终将转到 CRAN。它还可以提取碎片以及将它们分出。欢迎对包装提供任何反馈以供查看。
这里是：
library (devtools)
install_github("trinker/qdapRegex")
library(qdapRegex)
x <- c("download file from http://example.com",
"this is the link to my website http://example.com",
"go to http://example.com from more info.",
"Another url ftp://www.example.com",
"And https://www.example.net",
"twitter type: t.co/N1kq0F26tG",
"still another one https://t.co/N1kq0F26tG :-)")
rm_url(x, pattern=pastex("@rm_twitter_url", "@rm_url"))
## [1] "download file from" "this is the link to my website"
## [3] "go to from more info." "Another url"
## [5] "And" "twitter type:"
## [7] "still another one :-)"
rm_url(x, pattern=pastex("@rm_twitter_url", "@rm_url"), extract=TRUE)
## [[1]]
## [1] "http://example.com"
##
## [[2]]
## [1] "http://example.com"
##
## [[3]]
## [1] "http://example.com"
##
## [[4]]
## [1] "ftp://www.example.com"
##
## [[5]]
## [1] "https://www.example.net"
##
## [[6]]
## [1] "t.co/N1kq0F26tG"
##
## [[7]]
## [1] "https://t.co/N1kq0F26tG"
编辑我看到推特链接没有被删除。我不会将此添加到特定于rm_url函数的正则表达式中，而是将其添加到qdapRegex. 因此，没有特定的功能可以同时删除标准 url 和 twitter，但是pastex（粘贴正则表达式）允许您轻松地从字典中获取正则表达式并将它们一起粘贴（使用管道运算符，|）。由于所有rm_XXX样式函数的工作原理基本相同，因此您可以将pastex输出传递给pattern任何rm_XXX函数的参数或创建自己的函数，如下所示：
rm_twitter_url <- rm_(pattern=pastex("@rm_twitter_url", "@rm_url"))
rm_twitter_url(x)
rm_twitter_url(x, extract=TRUE)
str1 <- c("download file from http://example.com", "this is the link to my website https://www.google.com/ for more info")
gsub('http\\S+\\s*',"", str1)
#[1] "download file from "
#[2] "this is the link to my website for more info"
library(stringr)
str_trim(gsub('http\\S+\\s*',"", str1)) #removes trailing/leading spaces
#[1] "download file from"
#[2] "this is the link to my website for more info"
为了匹配ftp，我会使用@Richard Scriven 帖子中的相同想法
str1 <- c("download file from http://example.com", "this is the link to my website https://www.google.com/ for more info",
"this link to ftp://www.example.org/community/mail/view.php?f=db/6463 gives more info")
gsub('(f|ht)tp\\S+\\s*',"", str1)
#[1] "download file from "
#[2] "this is the link to my website for more info"
#[3] "this link to gives more info"
以前的一些答案会在 URL 末尾之外删除，并且“\b”扩展名会有所帮助。它还可以涵盖“sftp://”网址。
对于常规网址：
gsub("(s?)(f|ht)tp(s?)://\\S+\\b", "", x)
对于小网址：
gsub("[A-Za-z]{1,5}[.][A-Za-z]{2,3}/[A-Za-z0-9]+\\b", "", x)