r - 计算字符串的一部分的字符

Question

我有这个df:

dput(df)
structure(list(URLs = c("http://bursesvp.ro//portal/user/_/Banco_Votorantim_Cartoes/0-7f2f5cb67f1-22918b.html", 
"http://46.165.216.78/.CartoesVotorantim/Usuarios/Cadastro/BV6102891782/", 
"http://www.chalcedonyhotel.com/images/promoc/premiado.tam.fidelidade/", 
"http://bmbt.ro/portal/a3/_Votorantim_/VotorantimCartoes2016/0-7f2f5cb67f1-22928b.html", 
"http://voeazul.nl/azul/")), .Names = "URLs", row.names = c(NA, 
-5L), class = "data.frame")

它描述了不同的URL，并且我试图计算 主机名的字符数，无论这是实际名称( http://hostname.com/...。)或IP( http://000.000.000.000/..。)。但是，如果它是一个真实的名称，那么我只想要www之间的nchar。和.com。如果是IP，则其所有数字和“在”点之间。

以上示例数据的预期结果:

exp_outcome
1           8
2          13
3          15
4           4
5           7

我试图用 strsplit做点什么，但是什么也做不了。

Answer 1

另一种，也许更直接的方式是使用不同的正则表达式:

nchar(sub("^http://(www\\.)?(([a-z]+)|([0-9.]+))(\\.[a-z]+)?/+.+$", "\\2", x$df))
#[1]  8 13 15  4  7

说明:

^http://:在字符串

开头后查找“http://”

(www\\.)?:查找“www。”，零次或一次(因此这是可选的)

(([a-z]+)|([0-9.]+)):将捕获的模式:小写字母一个或多个时间或数字和点

(\\.[a-z]+)?:查找“。”后面跟一个或多个小写字母，零或一次(因此也是可选的)

/+.+$:查找“/”，后跟任何东西，一次或多次，直到字符串

末尾

注意:

sub("^http://(www\\.)?(([a-z]+)|([0-9.]+))(\\.[a-z]+)?/+.+$", "\\2", x$df)
# [1] "bursesvp"        "46.165.216.78"   "chalcedonyhotel" "bmbt"            "voeazul"