R中的Regex：从字符串中删除多个URL

Question

我想从字符串中删除多个网址。如果字符串如下：

this is a URL http://test.com and another one http://test.com/hi and this one http://www.test.com/

它应该返回

this is a URL and another one and this one

我尝试使用以下代码：

gsub(" ?(f|ht)(tp)(s?)(://)(.*)[.|/](.*)", "", string)

但它让我回答：

this is a URL

Answer 1

这个也可行，而不是(.*)我们可以使用[^\\.]*（直到域的点）和\\S*匹配到url的末尾（直到空格被发现）：

gsub("\\s?(f|ht)(tp)(s?)(://)([^\\.]*)[\\.|/](\\S*)", "", string)
# [1] "this is a URL and another one and this one"

Answer 2

.*将匹配，直到字符串结尾没有约束，因此第一个网址后的所有部分都被删除，通常网址不包含空格，您可以使用\\S（不匹配空白区域） ）而不是.（匹配任何字符）以避免问题：

gsub(" ?(f|ht)(tp)s?(://)(\\S*)[./](\\S*)", "", string)
# [1] "this is a URL and another one and this one"

Answer 3

您可以尝试使用以下正则表达式/代码：

gsub("https?:\\/\\/(.*?|\\/)(?=\\s|$)\\s?", "", string)
# [1] "this is a URL and another one and this one"

<强> DEMO