代码之家  ›  专栏  ›  技术社区  ›  user3614783

使用R从URL剥离跟踪

  •  1
  • user3614783  · 技术社区  · 8 年前

    我有一个带有URL列的数据框,我想从中删除第一个问号之后的所有内容。有些URL没有问号,我希望这些URL保持不变。简而言之,我想去掉所有的追踪。这是一个示例URL。

    https://www.dummy.com/2017/11/29/four-questions-we-have-about-stuff/?utm_source=exacttarget&utm_medium=newsletter&utm_term=dummydotcom-dummycomnewsletter&utm_content=na-readblog-blogpost&utm_campaign=dummy

    这就是我想要的结果。

    https://www.dummy.com/2017/11/29/four-questions-we-have-about-stuff/

    2 回复  |  直到 8 年前
        1
  •  3
  •   C. Braun    8 年前

    假设调用了数据帧 df 其中有一列名为 url :

    df$url <- sub('\\?.*', '', df$url)
    
        2
  •  2
  •   Eugene Brown    8 年前

    具有 strsplit :

    url <- "https://www.dummy.com/2017/11/29/four-questions-we-have-about-stuff/?utm_source=exacttarget&utm_medium=newsletter&utm_term=dummydotcom-dummycomnewsletter&utm_content=na-readblog-blogpost&utm_campaign=dummy"
    
    result <- strsplit(url, "\\?")[[1]][1]
    

    输出:

    > result
    [1] "https://www.dummy.com/2017/11/29/four-questions-we-have-about-stuff/"
    

    下面是一个将其用于向量而不是单个字符串的示例:

    strings <- c("here?string", "another?string", "stringnoquestion", "one?more")
    
    > sapply(strsplit(strings, "\\?"), function(x) x[1])
    [1] "here"             "another"          "stringnoquestion" "one"
    

    strsplit公司 返回一个列表,因为它是为向量和奇异元素编写的。因此,在第一个示例中 [[1]] 正在访问列表的第一个元素,然后访问 [1] 正在访问其中的第一个元素,即 ? .

    以下是第一个分为以下步骤的示例:

    # Returns a list of length one
    > strsplit(url, "\\?")
    [[1]]
    [1] "https://www.dummy.com/2017/11/29/four-questions-we-have-about-stuff/"                                                                    
    [2] "utm_source=exacttarget&utm_medium=newsletter&utm_term=dummydotcom-dummycomnewsletter&utm_content=na-readblog-blogpost&utm_campaign=dummy"
    
    # Each element of the list is a vector
    > strsplit(url, "\\?")[[1]]
    [1] "https://www.dummy.com/2017/11/29/four-questions-we-have-about-stuff/"                                                                    
    [2] "utm_source=exacttarget&utm_medium=newsletter&utm_term=dummydotcom-dummycomnewsletter&utm_content=na-readblog-blogpost&utm_campaign=dummy"
    
    # The first element of that vector
    > strsplit(url, "\\?")[[1]][1]
    [1] "https://www.dummy.com/2017/11/29/four-questions-we-have-about-stuff/"
    
    推荐文章