R - 正则表达式以匹配除URL内部之外的所有标点符号

Question

基本上，我正在寻找一个正则表达式来选择所有标点符号，除了URL内的标点符号。

本质上，如果我有字符串：

This is a URL: https://test.com/ThisIsAURL !

并删除它应该成为的所有匹配：

This is a URL https://test.com/ThisIsAURL

gsub("[[:punct:]]", "", x)删除所有标点符号，包括URL。我尝试使用负面外观来选择https后使用的标点符号，但这是不成功的。

在我需要的情况下，所有URL都是Twitter链接式URL https://t.co/。他们不会以.com结束。他们也没有一个以上的背斜slu（（/ThisIsAURL）。但是，理想的是，我希望正则表达式尽可能多样化，能够在任何URL上成功执行此操作。

Answer 1

您可以匹配并捕获第1组类似于URL的模式（如https?://\S*），然后匹配任何标点符号并替换为组1的反向引用以恢复结果字符串中的URL：

x <- "This is a URL: https://test.com/ThisIsAURL !"
trimws(gsub("(https?://\\S*)|[[:punct:]]+", "\\1", x, ignore.case=TRUE))
## => [1] "This is a URL https://test.com/ThisIsAURL"

见R demo online。

正则表达式是

(https?://\S*)|[[:punct:]]+

见regex demo。

细节

• qazxsw poi - 第1组（参考替换模式中的qazxsw poi）： (https?://\S*) - \1或https?:// https:// - 0+非空白字符
• http:// - 或
• \S* - 1+标点符号（正确的标点符号，符号和|）