Extract domain from text in Mandarin: Difference between revisions
Jump to navigation
Jump to search
No edit summary |
|||
| Line 9: | Line 9: | ||
</pre> | </pre> | ||
輸入文字內容: | |||
<pre> | <pre> | ||
Yahoo! 新聞 https://tw.news.yahoo.com/abc | Yahoo! 新聞 https://tw.news.yahoo.com/abc | ||
| 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 == | == 資料驗證：文章內容是否包含網域 == | ||
Latest revision as of 16:15, 12 May 2025
從文章內容，擷取網址中的網域部分
使用 Google sheet 擷取網域[edit]
使用 Google 試算表 REGEXEXTRACT 函數
=REGEXEXTRACT(A1, "(http[s]?\://[^/]+)")
輸入文字內容:
Yahoo! 新聞 https://tw.news.yahoo.com/abc
輸出:
https://tw.news.yahoo.com
說明:
- 網域指以 http:// 或 https:// 開頭，與相臨不是符號 / 的多個文字：[^/]+。
資料驗證：文章內容是否包含網域[edit]
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 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。 
以下語法未處理 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 )
=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})"))
輸入1:
www.bbc.co.uk
輸出1:
TRUE
輸入2:
127.0.0.0
輸出2:
TRUE
輸入3:
Yahoo! 新聞
輸出3:
FALSE
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。