从字符串中删除urls

Question

我有以下字符串，存储在对象sentence中

sentence <- "aazdlubtirol: RT @tradeDayTrades: sister articles \"$AAPL Dancing in a Burning Room\" January 2013  http://t.co/tkuCRfLy  \" $AAPL vs $AAPL \"  August 2011 http://t.co/863HkVjn"

我试图使用gsub删除以http开头的urls。

sentence <- gsub('http.*','',sentence)

但是，它取代了http之后的所有内容

aazdlubtirol: RT @tradeDayTrades: sister articles \"$AAPL Dancing in a Burning Room\" January 2013

我想要的是：

aazdlubtirol: RT @tradeDayTrades: sister articles \"$AAPL Dancing in a Burning Room\" January 2013 \" $AAPL vs $AAPL \" August 2011

我正在尝试清理url，所以如果字符串包含http，我想删除url。我找到了一些解决办法，但它们对我没有帮助。

Answer 1

为您的替换组添加一个空间：

gsub('http.* *', '', sentence)

或者使用\\s，它是对空间的正则表达式：

gsub('http.*\\s*', '', sentence)

根据评论，.*将匹配任何东西，正则表达式也是贪婪的。相反，我们应该匹配一个或多个非空白字符，无论多少次，后面跟着零或多个空格：

gsub('http\\S+\\s*', '', sentence)