Question

如何使用正则表达式删除字符串的中间部分。我有以下网址： https://www.sec.gov/Archives/edgar/data/1347185/000134718517000016/0001347185-17-000016-index.htm/exh1025730032017.xml

但我希望它看起来像这样：

https://www.sec.gov/Archives/edgar/data/1347185/000134718517000016/exh1025730032017.xml

我可以在＆＃34; data /../../"之后摆脱一切; 最后一长串数字不需要

我试过这个

    sub(sprintf("^((?:[^/]*;){8}).*"),"", URLxml)

但它什么都没做！求救！

Answer 1

要删除路径的最后一个子部分，可以使用

x <- "https://www.sec.gov/Archives/edgar/data/1347185/000134718517000016/0001347185-17-000016-index.htm/exh1025730032017.xml"
sub("^(.*/).*/(.*)", "\\1\\2", x)
## [1] "https://www.sec.gov/Archives/edgar/data/1347185/000134718517000016/exh1025730032017.xml"

请参阅online R demo，此处为regex demo。

<强>详情：

^ - 字符串的开头
(.*/) - 第1组（在替换字符串中称为\1）任何0 +字符，直到最后一个/
.*/ - 任意0个字符，直到最后/
(.*) - 第2组（从替换字符串引用\2反向引用）任何0 +字符到最后。

Answer 2

a<-'https://www.sec.gov/Archives/edgar/data/1347185/000134718517000016/0001347185-17-000016-index.htm/exh1025730032017.xml'

gsub('data/(.+?)/(.+?)/(.+?)/','data/\\1/\\2/',a)

所以在网址：

data /.../.../ ..（已删除）../ ....

REGEX：在一定数量的＆＃34; /＆＃34;之后删除字符串的中间部分

2 个答案: