Usuń końcu adresu URL w R

Question

Próbuję oczyścić i usunąć katalogi z listy adresów URL w R

Co mam:

http://domain.com/123 
http://www.sub.domain1.com/222 
http://www.domain2.com/1233/abc 

Czego chcę:

domain.com 
sub.domain1.com 
domain2.com 

mam nieco długą drogę do czystej początek URL

url <- c("http://domain.com/123", "http://www.sub.domain1.com/222","http://www.domain2.com/1233/abc" 

cleanurl <- gsub("http://","",url) 
cleanurl2 <- gsub("www.","",cleanurl) 

(Proszę dać mi znać, jeśli istnieje prostszy sposób czyszczenia http: // i www. też.)

Teraz mam problemy z regex i usunięcie wszystkiego po / na końcu. Próbowałem to

cleanurl3 <- gsub("/*","",cleanurl2) 

Ale to jest po prostu usunięcie wszystkiego po nim / i nie.

Z góry dziękuję za pomoc!

Answer 1

podejście í jest z strsplit/gsub kombi (nie tylko gsub b/c czasami jest tak szybko, aby dowiedzieć się strsplit ponieważ jest bardzo intuicyjny):

x <- readLines(n=3) 
http://domain.com/123 
http://www.sub.domain1.com/222 
http://www.domain2.com/1233/abc 

gsub("www.", "", sapply(strsplit(x, "//|/"), "[", 2)) 

## > gsub("www.", "", sapply(strsplit(x, "//|/"), "[", 2)) 
## [1] "domain.com"  "sub.domain1.com" "domain2.com" 

Edit
Albo jeśli chcesz po prostu użyć strsplit (za sugestią Mateusza):

sapply(strsplit(x, "(//|/)(www[.])?"), "[", 2) 

Answer 2

To powinno działać:

cleanurl <- gsub("http://","",url) 
cleanurl2 <- gsub("www.","",cleanurl) 

sapply(strsplit(cleanurl2,"/"),"[",1) 
[1] "domain.com"  "sub.domain1.com" 
[3] "domain2.com" 

Answer 3

Na pierwszy:

cleanurl <- sub("^http://(?:www[.])?(.*)$", "\\1", url) 
cleanurl 
## [1] "domain.com/123"  "sub.domain1.com/222" "domain2.com/1233/abc" 

tylko domen:

cleanurl <- sub("^http://(?:www[.])?([^/]*).*$", "\\1", url) 
cleanurl 
## [1] "domain.com"  "sub.domain1.com" "domain2.com"