Editing Extract domain from text in Mandarin

從文章內容，擷取網址中的網域部分

{{LanguageSwitcher | content = [[Extract domain from text | English]], [[Extract domain from text in Mandarin | 漢字]] }}

=== 使用 Google sheet 擷取網域 ===
使用 Google 試算表 [https://support.google.com/docs/answer/3098244?hl=zh-Hant REGEXEXTRACT] 函數
<pre>
=REGEXEXTRACT(A1, "(http[s]?\://[^/]+)")
</pre>

輸入文字內容:
<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]]