用于域提取的 Redshift 正则表达式

Question

我正在尝试形成一个正则表达式，REGEXP_SUBSTR (Redshift)它将从任何给定的 URL 中提取子域和域部分。

\n\n

我尝试了 stackoverflow 中的许多建议：regular-expression-extract-subdomain-domain、 getting-parts-of-a-url-regex、how-to-get-domain-name-from-url 等。其中一些适用于正则表达式验证器，但不适用于 Redshift。

\n\n

正则表达式应该处理带或不带 http/https 前缀的 URL。

\n\n

是否有其他方法使用正则表达式从任何给定的 URL 中提取子域和域？

\n

Answer 1

经过大量的实验，这就是我使用的：

REPLACE(REGEXP_SUBSTR(url,'//[^/\\\,=@\\+]+\\.[^/:;,\\\\\(\\)]+'),'//','')

需要匹配双斜杠，然后将其删除，REPLACE因为 Redshift 支持非常基本的正则表达式。

FWIW，您会注意到这与 Jeff Barr 在Redshift UDF 简介中提供的正则表达式非常不同- 该正则表达式不会为我产生任何结果。