Editing Extract url from text

使用正規表示法 ([[Regular expression]]) ，從文章內容中擷取網址。

== 擷取完整網址 ==
使用 Google 試算表 [https://support.google.com/docs/answer/3098244?hl=zh-Hant REGEXEXTRACT] 函數，從文章內容擷取第一個網址。
<pre>
=REGEXEXTRACT(A1, "(http[s]?://[a-zA-Z0-9\-_\\._~\:\/\?#\[\]@\!\$&'\(\)\*\+,;\=%]+)\b?")
</pre>

輸入:
<pre>
Yahoo! 新聞 https://tw.news.yahoo.com/abc
</pre>

輸出:
<pre>
https://tw.news.yahoo.com/abc
</pre>

說明:
# 網址可能是 <nowiki>http://</nowiki> 或 <nowiki>https://</nowiki> 開頭，所以條件是 {{kbd | key = <nowiki>http[s]?://</nowiki>}}
# 根據 [http://tools.ietf.org/html/rfc3986/ RFC 3986] 網址允許的文字有 {{kbd | key = <nowiki>ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789-._~:/?#[]@!$&'()*+,;=</nowiki>}}，其他文字則需要加上比例符號 % 編碼。 <ref>[http://stackoverflow.com/questions/1547899/which-characters-make-a-url-invalid validation - Which characters make a URL invalid? - Stack Overflow]</ref> 

== 擷取網址中的網域部分 ==
<pre>
=REGEXEXTRACT(A1, "(http[s]?\://[^/]+)\b?")
</pre>

輸入:
<pre>
Yahoo! 新聞 https://tw.news.yahoo.com/abc
</pre>

輸出:
<pre>
https://tw.news.yahoo.com/
</pre>

說明:
# 網域指 <nowiki>http://</nowiki> 或 <nowiki>https://</nowiki> 開頭，在符號 {{kbd | key = <nowiki>/</nowiki>}} 前的那一段文字。因此規則改成找不是符號 {{kbd | key = <nowiki>/</nowiki>}} 的多個文字。{{kbd | key = <nowiki>[^/]+</nowiki>}}
== References ==

<references />

[[Category:Regular expression]] [[Category:Data Science]] [[Category:Text file processing]]