如何在R数据框中提取匹配指定域名的URL并生成新列

核心实现逻辑 #

利用正则匹配不含空格的连续字符段中包含指定域名的部分，直接提取完整URL，使用stringr包的str_extract函数实现，代码简洁易维护。

实现代码 #

1. 依赖加载 #

# 未安装包先执行：install.packages("stringr")
library(stringr)

2. 字段提取 #

# 提取linkedin域名URL存入新列
df$linkedin <- str_extract(df$urls, "[^ ]*linkedin\\.com[^ ]*")
# 提取medium域名URL存入新列
df$medium <- str_extract(df$urls, "[^ ]*medium\\.com[^ ]*")

扩展适配 #

如果单条urls字段内存在多个同域名URL，可改用str_extract_all批量提取后拼接：

# 多个同域名URL用逗号拼接存入字段
df$linkedin <- sapply(str_extract_all(df$urls, "[^ ]*linkedin\\.com[^ ]*"), paste, collapse = ",")

内容的提问来源于stack exchange，提问作者Florian Grüning