Tháo cuối của một chuỗi URL trong R

Question

tôi đang cố gắng để làm sạch và loại bỏ các thư mục từ một danh sách các URL trong R

Những gì tôi có:

http://domain.com/123 
http://www.sub.domain1.com/222 
http://www.domain2.com/1233/abc 

Những gì tôi muốn:

domain.com 
sub.domain1.com 
domain2.com 

tôi có một cách hơi dài để làm sạch đầu của URL

url <- c("http://domain.com/123", "http://www.sub.domain1.com/222","http://www.domain2.com/1233/abc" 

cleanurl <- gsub("http://","",url) 
cleanurl2 <- gsub("www.","",cleanurl) 

(Vui lòng cho tôi biết nếu có cách đơn giản hơn để xóa http: // và www. quá.)

Bây giờ tôi đang gặp sự cố với regex và xóa mọi thứ sau / ở cuối. Tôi đã thử này

cleanurl3 <- gsub("/*","",cleanurl2) 

Nhưng nó chỉ là loại bỏ tất cả mọi thứ / và không đặt phía sau.

Cảm ơn trước sự giúp đỡ của bạn!

Answer 1

I tiếp cận với một/gsub kết hợp strsplit (không chỉ gsub b/c đôi khi quá nhanh để tìm ra strsplit vì nó là rất trực quan):

x <- readLines(n=3) 
http://domain.com/123 
http://www.sub.domain1.com/222 
http://www.domain2.com/1233/abc 

gsub("www.", "", sapply(strsplit(x, "//|/"), "[", 2)) 

## > gsub("www.", "", sapply(strsplit(x, "//|/"), "[", 2)) 
## [1] "domain.com"  "sub.domain1.com" "domain2.com" 

Sửa
Hoặc nếu bạn muốn chỉ cần sử dụng strsplit (theo đề nghị của Matthew):

sapply(strsplit(x, "(//|/)(www[.])?"), "[", 2) 

Answer 2

này nên làm việc:

cleanurl <- gsub("http://","",url) 
cleanurl2 <- gsub("www.","",cleanurl) 

sapply(strsplit(cleanurl2,"/"),"[",1) 
[1] "domain.com"  "sub.domain1.com" 
[3] "domain2.com" 

Answer 3

Đối với người đầu tiên:

cleanurl <- sub("^http://(?:www[.])?(.*)$", "\\1", url) 
cleanurl 
## [1] "domain.com/123"  "sub.domain1.com/222" "domain2.com/1233/abc" 

Chỉ cần các lĩnh vực:

cleanurl <- sub("^http://(?:www[.])?([^/]*).*$", "\\1", url) 
cleanurl 
## [1] "domain.com"  "sub.domain1.com" "domain2.com"