Redshift 有没有办法从一个文本块中提取所有 URL，每个 URL 都作为单独的行？

Posted 2023-03-31

【中文标题】Redshift 有没有办法从一个文本块中提取所有 URL，每个 URL 都作为单独的行？

【英文标题】：Is there a way in Redshift to extract all URLs from a block of text each as a separate row?

【发布时间】：2019-02-20 21:48:44

【问题描述】：

我正在尝试从可能包含 0、1 或大量 URL 的文本块中提取特定格式的所有 URL。

例如，一行可能有以下值：

'一些文字 blahblahblah.com 更多文字 secondwebsite.com 更多测试'

我希望在我的输出中表示为两行：

'blahblahblah.com'

'secondwebsite.com'

我可以使用REGEXP_SUBSTR 和SPLIT_PART 来获取第一个.com 事件，但理想情况下我可以分别提取所有事件。有没有办法做到这一点？

【参考方案1】：

从单个输入行返回多个输出行在 SQL 中并不容易。

您需要交叉连接到一个数字表（例如，一个包含包含1, 2, 3... 的行的表，然后使用该数字来引用输入行的单独部分。

底线：有可能，但很混乱。尝试找到实现此目的的替代方法。

【讨论】：

哦，我明白了——这听起来很乱但仍然可行，如果我最终需要这样做，我会使用它！非常感谢！

【参考方案2】：

如果你想从具有多个 URL 的字段中创建单独的行，这在 SQL 中通常是不可行的，我建议你使用 ETL 工具或一些脚本语言如 python 来做到这一点。

【讨论】：

啊，好吧，我希望有办法，但我太新手了，不知道！感谢您的输入:)