从R中的一批URLS中提取参数

Question

我正在尝试从R中的URLS中提取参数。参数的确切位置将发生变化，因此我需要以其他方式识别它。

以下是网址示例：

https://www.example.se/-Hotell.d178317.Reseguide-Hotell-SMP?destinationId=178317&kword=ZzZz.4650002325454

我想在d之后提取数字 - 在此示例中为178317。

目前我正在使用此功能sub(".d","",url)，我无法弄清楚如何继续。有人可以建议如何在这个例子中使用这个功能吗？干杯！

Answer 1

使用几个sub s：

> url
[1] "https://www.example.se/-Hotell.d178317.Reseguide-Hotell-SMP?destinationId=178317&kword=ZzZz.4650002325454"

直到第一个".d"：

的所有内容

> sub(".*?\\.d","",url)
[1] "178317.Reseguide-Hotell-SMP?destinationId=178317&kword=ZzZz.4650002325454"
> 

用sub包裹它，从第一个非数字开始切掉所有内容：

> sub("[^0-9].*","",sub(".*?\\.d","",url))
[1] "178317"

使用as.numeric制作一个号码。

Answer 2

我猜你真正想要的是在destinationId之后提取任何东西，所以你可能会相处：

urls <- c("https://www.example.se/-Hotell.d178317.Reseguide-Hotell-SMP?destinationId=178317&kword=ZzZz.4650002325454")
gsub(".*?destinationId=(\\d+).*", "\\1", urls)

哪个收益

[1] "178317"

Answer 3

使用正则表达式比@Spacedman更精细，将他的两个部分加上匹配，你可以将它限制为一次调用sub（）：

sub(".*\\.d([0-9]+)\\..*", "\\1", url)

正则表达式的作用：

• 。*匹配任何字符（。）零次或多次（*）
• \\。d匹配一个点（实际字符，不是元字符; \\转义元字符）后跟d
• （[0-9] +）包含0到9（[0-9]）的数字至少一次（+）;括号使此部分可用于匹配
• \\。再一个点
• 。*后面再跟任何字符

“\\ 1”匹配括号中正则表达式中的位，现在用作sub的替换，因此作为输出。