如何用R语言stringr提取URL中[]内的splitArr参数值？

一、修复split_arr提取失败的问题 #

原代码中split_arr的正则表达式存在两个核心问题：

1. 正则里的[是特殊元字符，在R字符串中需要双重转义（写成\\[），否则无法匹配URL里的splitArr[结构；
2. 未考虑splitArr参数为空的场景。

修改后的提取逻辑 #

先提取splitArr=后到下一个&的完整内容，再从中解析括号内的值，空值直接返回空字符串：

library(stringr)

# 示例URL1
fetch_url <- "https://www.website.com?splitArr=[43]&splitArrPitch=&position=P&statType=player&startDate=2023-03-28&endDate=2023-04-11&players=&filter=&groupBy=season"

# 提取基础参数并处理空值（NA转空字符串）
start_date <- str_replace_na(str_extract(fetch_url, "(?<=startDate=)[^&]+"), "")
end_date <- str_replace_na(str_extract(fetch_url, "(?<=endDate=)[^&]+"), "")
stat_type <- str_replace_na(str_extract(fetch_url, "(?<=statType=)[^&]+"), "")

# 处理split_arr
split_arr_raw <- str_replace_na(str_extract(fetch_url, "(?<=splitArr=)[^&]+"), "")
# 提取括号内的内容，没有括号则返回原始值（空值自动转为''）
split_arr <- ifelse(is.na(str_extract(split_arr_raw, "(?<=\\[)[^]]+")), 
                    split_arr_raw, 
                    str_extract(split_arr_raw, "(?<=\\[)[^]]+"))

二、空参数场景的处理 #

对于splitArr=或endDate=这类空参数，str_extract会返回NA，使用str_replace_na(..., "")可以将NA直接转为空字符串''，完美匹配需求。

测试示例URL2：

fetch_url2 <- "https://www.website.com?splitArr=&splitArrPitch=&position=P&statType=player&startDate=2023-03-28&endDate=&players=&filter=&groupBy=season"

end_date2 <- str_replace_na(str_extract(fetch_url2, "(?<=endDate=)[^&]+"), "") # 返回''
split_arr_raw2 <- str_replace_na(str_extract(fetch_url2, "(?<=splitArr=)[^&]+"), "")
split_arr2 <- ifelse(is.na(str_extract(split_arr_raw2, "(?<=\\[)[^]]+")), 
                     split_arr_raw2, 
                     str_extract(split_arr_raw2, "(?<=\\[)[^]]+")) # 返回''

更健壮的替代方案：用URL解析工具替代正则 #

手动写正则容易遗漏边界场景，推荐使用httr包的parse_url函数直接解析URL参数，自动处理各种特殊情况：

library(httr)
library(stringr)

# 定义解析函数，自动处理空参数为''
parse_url_params <- function(url) {
  query_params <- parse_url(url)$query
  lapply(query_params, function(x) if (is.null(x)) "" else x) %>%
    as.data.frame(stringsAsFactors = FALSE)
}

# 解析URL1
params1 <- parse_url_params(fetch_url)
start_date1 <- params1$startDate       # "2023-03-28"
end_date1 <- params1$endDate           # "2023-04-11"
stat_type1 <- params1$statType         # "player"
split_arr1 <- str_extract(params1$splitArr, "(?<=\\[)[^]]+") %||% params1$splitArr # "43"

# 解析URL2
params2 <- parse_url_params(fetch_url2)
end_date2 <- params2$endDate           # ""
split_arr2 <- str_extract(params2$splitArr, "(?<=\\[)[^]]+") %||% params2$splitArr # ""

注：%||%是purrr包的函数，用于简化空值判断，若未安装purrr，可换回之前的ifelse逻辑。

内容的提问来源于stack exchange，提问作者Canovice