PostgreSQL的正则表达式用于从URL /网站获取子域的域名

Question

基本上,我需要从URL或整个网站名称中删除包含域和子域名的行www.

我的DB表看起来像这样:

+----------+------------------------+
|    id    |    website             |
+----------+------------------------+
| 1        | https://www.google.com |
+----------+------------------------+
| 2        | http://www.google.co.in|
+----------+------------------------+
| 3        | www.google.com         |
+----------+------------------------+
| 4        | www.google.co.in       |
+----------+------------------------+
| 5        | google.com             |
+----------+------------------------+
| 6        | google.co.in           |
+----------+------------------------+
| 7        | http://google.co.in    |
+----------+------------------------+

预期产量:

google.com
google.co.in
google.com
google.co.in
google.com
google.co.in
google.co.in

我的Postgres查询看起来像这样:

select id, substring(website from '.*://([^/]*)') as website_domain from contacts

但上面的查询给出了空白网站.那么,我如何获得所需的输出？

Answer 1

您可以使用

SELECT REGEXP_REPLACE(website, '^(https?://)?(www\.)?', '') from tbl;

请参阅正则表达式演示。

细节

• ^ - 字符串的开始
• (https?://)?- 1 或 0 次http://或https://
• (www\.)? - 1 或 0 次 www.

请参阅PostgreSQL 演示：

CREATE TABLE tb1
    (website character varying)
;

INSERT INTO tb1
    (website)
VALUES
    ('https://www.google.com'),
    ('http://www.google.co.in'),
    ('www.google.com'),
    ('www.google.co.in'),
    ('google.com'),
    ('google.co.in'),
    ('http://google.co.in')
;

SELECT REGEXP_REPLACE(website, '^(https?://)?(www\.)?', '') from tb1;

结果：

Answer 2

你必须使用"非捕获"匹配？:以应对非"http://"网站

喜欢

select 
id, 
substring(website from '(?:.*://)?(?:www\.)?([^/]*)')
as website_domain 

from contacts

http://sqlfiddle.com/#!17/197fb/14

https://www.postgresql.org/docs/9.3/static/functions-matching.html#POSIX-ATOMS-TABLE