R语言：如何从数据框URL列中仅保留指定单词？

可以用两种方法实现需求，分别基于tidyverse工具包和基础R：

方法一：使用tidyverse（推荐） #

借助stringr包的字符串提取函数，结合coalesce处理未匹配的情况：

library(tidyverse)

# 原始数据框
df <- data.frame (URL  = c("export-180100-from-ec-to-us", "import-420340-to-ir-from-es","export","Product"), X = c(100,200,50,600))

# 处理URL列
df <- df %>%
  mutate(URL = coalesce(str_extract(URL, "export|import"), URL))

# 查看结果
print(df)

输出结果：

URL   X
1 export 100
2 import 200
3 export  50
4 Product 600

说明：

• str_extract(URL, "export|import")：从URL字符串中提取"export"或"import"，无匹配时返回NA
• coalesce(...)：优先取第一个非NA值，即匹配到目标词时用提取结果，否则保留原字符串

方法二：基础R实现 #

无需额外安装包，用grepl和sub组合完成：

# 原始数据框
df <- data.frame (URL  = c("export-180100-from-ec-to-us", "import-420340-to-ir-from-es","export","Product"), X = c(100,200,50,600))

# 处理URL列
df$URL <- ifelse(
  grepl("export|import", df$URL),
  sub(".*(export|import).*", "\\1", df$URL),
  df$URL
)

# 查看结果
print(df)

输出结果与方法一完全一致。

说明：

• grepl("export|import", df$URL)：判断每个URL是否包含目标词
• sub(".*(export|import).*", "\\1", df$URL)：将包含目标词的字符串替换为匹配到的"export"或"import"（通过分组捕获实现）
• 不满足条件时直接保留原URL

内容的提问来源于stack exchange，提问作者John Owen