正则表达式仅提取 url 的域和子域

Posted 2023-03-25

【中文标题】正则表达式仅提取 url 的域和子域

【英文标题】：Regex to extract only domain and subdomain for urls

【发布时间】：2019-09-05 08:04:34

【问题描述】：

我需要从 URl 中提取 2 个域。例如，网站名称为 domain.domain2.com -> domain.domain2.com；但是 m.domain.domain2.com -> domain.domain2.com；还有 domain.domain2.com/london -> domain.domain2.com。

我写了一个表达式^.+[\\./]([^\\.]+\\.[^\\.]+)$，但它总是返回 domain2.com。

我应该添加什么来获得想要的结果？

【问题讨论】：

要修复它，您必须了解正则表达式的作用。你？你想和它匹配什么样的字符串（pattern）？你的例子不是很有帮助。

我想提取包含 '.com' 的东西和 2（仅！）在 '.com' 域名旁边用点分隔的字符串。

喜欢([^.]+)\.([^.]+2)\.com(?=\/|$)？见regex101.com/r/t0EjI9/1

【参考方案1】：

我想提取包含 '.com' 事物和 2（仅！）在 '.com' 域名旁边的字符串，以点分隔

以下 BigQuery 标准 SQL 示例

#standardSQL
WITH `project.dataset.table` AS (
  SELECT 'domain.domain2.com' url UNION ALL
  SELECT 'm.domain.domain2.com' UNION ALL
  SELECT 'domain.domain2.com/london' 
)
SELECT *, 
  REGEXP_EXTRACT(url, r'([^.]+.[^.]+2.com)(?:/|$)') domain_and_subdomain
FROM `project.dataset.table`

有输出

Row url                         domain_and_subdomain     
1   domain.domain2.com          domain.domain2.com   
2   m.domain.domain2.com        domain.domain2.com   
3   domain.domain2.com/london   domain.domain2.com  

【参考方案2】：

请使用NET functions

选择 NET.HOST('http://m.domain.domain2.com/london')

返回：

m.domain.domain2.com

【讨论】：

但我想要 m.domain.domain2.com -> domain.domain2.com

去掉“m”的逻辑是什么？

对 m.domain.domain2.com 和 domain.domain2.com 进行分组