在 Redshift 中使用活动跟踪参数捕获 URL 时遇到问题

Posted 2023-03-31

【中文标题】在 Redshift 中使用活动跟踪参数捕获 URL 时遇到问题

【英文标题】：Trouble Capturing URLs With Campaign Tracking Parameters in Redshift

【发布时间】：2018-02-08 22:03:54

【问题描述】：

我正在尝试在对网站主页的查询中捕获具有跟踪参数的 URL。在某些情况下，参数在查询开始之前可以有一个正斜杠。以下是两个应该匹配的示例：

https://test.com/?utm_campaign=email
https://test.com?utm_campaign=email

这里有两个不应该匹配的例子：

 https://test.com/blog
 https://test.com/blog?utm_campaign=email

这是一个示例查询：

SELECT t.url,COUNT(t.id) AS pageviews
FROM db.table AS t
WHERE t.url ~ '^https*:\\/\\/test\\.com\\?'
GROUP BY 1
ORDER BY 2 DESC

请注意，Redshift 文档指出：

搜索包含元字符的字符串，例如'. * | ? ‘, 依此类推，使用两个反斜杠（'\\'）转义字符

我试过单斜杠和双斜杠。单斜杠返回的结果比我预期的要多得多，而双斜杠不返回任何结果。我更习惯于用 javascript 编写正则表达式，因此我认为我在两者之间翻译时遇到了麻烦；非常感谢任何帮助。

【问题讨论】：

试试'^https?://test[.]com[?]'。无需逃避/。

@WiktorStribiżew '^https?://test[.]com/[?]' 工作...谢谢

【参考方案1】：

/ 符号不是特殊的正则表达式元字符，您不应对其进行转义。此外，为了避免. 或? 转义的问题，您可以将它们放入括号表达式中：

WHERE t.url ~ '^https?://test[.]com[?]'

它将匹配：

^ - 字符串开头 https?://test[.]com[?] - http://test.com? 或 https://test.com?。