Question

我有一个数据集，其中有一个变量，其中包含url作为其观察结果。我正在尝试创建另一个变量，该变量将在“url”变量（.com，.org，.co.uk等中列出观察的域类型。）

我可以通过使用“。”解析来拆分“url”变量。

split url, p(.)

但这不会明确地给我域名。

问题出现是由于“url”类型的差异很大。例如

虽然www.google.com将被分为3个变量，http://www.nih.nlm.gov将被拆分为4个
同样，www.yahoo.com分为3时，https://www.movies.yahoo.co.au会被拆分为5。

如何在stata中编写以下公式，以便从“url”变量创建“域类型”变量

如果是最后一个“。”之后的部分。在“url”变量中有≥3个字符（.com / .edu / .org / .gov或.info），然后将其用作域类型





如果是最后一个“。”之后的部分。在“url”变量中有＆lt; 3个字符（.uk / .au / .tv等） AND 最后一个“。”之前的部分。有≤2个字符（.co），然后使用倒数第二个“。”之后的部分。作为域类型（即.co.uk）





如果最后一个“。”之后的值。在“url”变量中有＆lt; 3个字符（.us域名） AND 最后一个“。”之前的部分。有＆gt; 2个字符，然后使用最后一个“。”之后的部分。作为域类型（例如freeshootinggames.us）

另外，还有另一种方法吗？

我在Windows 8 Pro x64上使用Stata 13.1

谢谢！

Answer 1

在这样的问题中，反转字符串是一个有用的技巧。尝试这样的事情：

gen rev_url = reverse(url)
split rev_url, parse(.) gen(domain_)
replace domain_1 = reverse(domain_1)
replace domain_2 = reverse(domain_2)
replace domain_1 = domain_2 + "." + domain_1 if length(domain_2)<=2 & length(domain1)<3
rename domain_1 domain
drop domain_* rev_url

创建一个只是Stata中字符串变量的某个部分的变量

1 个答案: