R正则表达式:http匹配

Question

我在使用正则表达式匹配http链接时遇到问题.我有一个模式,我想从网站源代码中提取.源代码有200多行,有很多HTML乱码</html><body... useless links useless images'

我需要的http链接属于这种模式:

<a href"http:www.google.com/....1,1">
<a href"http:www.google.com/....2,2">
<a href"http:www.google.com/....3,3">

我只想获得http链接,它们的独特模式就是结局.请帮助,我已经坚持了几个小时试验gusb,regxpr和grep.

Answer 1

正则表达式很难与通用URL(URL匹配)匹配,但是如果您总是希望匹配那个确切的模式,那么您可以试试这个

`http:www\.google\.com/.*?(\d+),\1`

这将搜索http:www.google.com后跟任何内容,并以逗号两边的相同两个数字结尾,这就是您显示的模式.