14,953
edits
Extract domain from text in Mandarin: Difference between revisions
Jump to navigation
Jump to search
no edit summary
No edit summary |
No edit summary |
||
| Line 21: | Line 21: | ||
說明: | 說明: | ||
# 網域指以 <nowiki>http://</nowiki> 或 <nowiki>https://</nowiki> 開頭，與相臨不是符號 {{kbd | key = <nowiki>/</nowiki>}} 的多個文字：{{kbd | key = <nowiki>[^/]+</nowiki>}}。 | # 網域指以 <nowiki>http://</nowiki> 或 <nowiki>https://</nowiki> 開頭，與相臨不是符號 {{kbd | key = <nowiki>/</nowiki>}} 的多個文字：{{kbd | key = <nowiki>[^/]+</nowiki>}}。 | ||
== 資料驗證：文章內容是否包含網域 == | |||
原始資料包含網域，但是網域前面不包含 http e.g. tw.news.yahoo.com 或 www.bbc.co.uk。使用 Google 試算表 [https://support.google.com/docs/answer/3098292?hl=zh-Hant REGEXMATCH] 函數，符合正規表示法的規則的話，回傳 TRUE。若不符合，則回傳 FALSE。 {{exclaim}} 以下語法未處理 [https://zh.wikipedia.org/wiki/IPv4 IPv4] 形式的網域。(如果網域前面包含 http ，則可直接搜尋關鍵字: regular expression extract host ) | |||
<pre> | |||
=IF(ISERROR(REGEXMATCH(A1, "([a-zA-Z0-9\-_\\._~\:\/\?#\[\]@\!\$&'\(\)\*\+,;\=%]+\.[a-zA-Z]{2,}$|\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})")), FALSE, REGEXMATCH(A1, "([a-zA-Z0-9\-_\\._~\:\/\?#\[\]@\!\$&'\(\)\*\+,;\=%]+\.[a-zA-Z]{2,}$|\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})")) | |||
</pre> | |||
輸入1: | |||
<pre> | |||
www.bbc.co.uk | |||
</pre> | |||
輸出1: | |||
<pre> | |||
TRUE | |||
</pre> | |||
輸入2: | |||
<pre> | |||
127.0.0.0 | |||
</pre> | |||
輸出2: | |||
<pre> | |||
TRUE | |||
</pre> | |||
輸入3: | |||
<pre> | |||
Yahoo! 新聞 | |||
</pre> | |||
輸出3: | |||
<pre> | |||
FALSE | |||
</pre> | |||
不建議的其他方法: | |||
* 檢查網域結尾是否是 .com, .tw, .net, .org 因為太多要列舉，該方法沒有效率。 | |||
[[Category: Regular expression]] [[Category: Data Science]] [[Category: String manipulation]] | [[Category: Regular expression]] [[Category: Data Science]] [[Category: String manipulation]] | ||