Question

我在表格中有网址数据。我想创建一个显示第二级（sld）和顶级域（tld）以及子域的视图。如何在ANSI SQL中提取它？我使用的数据库仅支持ansi sql，并且没有很酷的功能，例如reverse。

以下是数据：

  TLD =  -- The top-level domain (.com, .org, .info, .us)
  SLD =  -- The second-level domain (twitter, yahoo, facebook, google) second part of URL
  SUBDOMAIN = -- The subdomain domain (www, search.google, search.espn) first part of URL // tricky

这是我正在使用的逻辑。但我无法正确获得子域名。我想在提取TLD和SLD之后反转并获得余数，但Vertica不支持反向功能。

以下是查询和示例数据（注意：SPLIT_PART在指定的字符处拆分字符串）：

select COALESCE(SPLIT_PART(URL, '.', 3), SPLIT_PART(URL, '.', 2))  as tld, 
             SPLIT_PART(URL, '.', 2) as sld, 
SPLIT_PART(URL, '.', 1) as subdomain from URL_table

该表有2列，日期和URL 以下是示例URL：

search.mywebsearch.com   (TLD = com, SLD = mywebsearch, subdomain = search)
search.earthlink.net     
topix.com
main.welcomescreen.intrepid.com
ad.yieldmanager.com
google.com
news.google.com

Answer 1

这是一项非常困难的事情，特别是如果您的数据很嘈杂，就像大数据一样。

你能得到http：//作为前缀吗？那些像www.sub.dom.com这样的网站呢？ .TLD之后的所有内容是否已经清除？

出于这些原因，我们对尝试在SQL中实现拆分持谨慎态度。相反，我们使用了Vertica的UDTF功能，并在C ++中编写了一个分离器。我认为我们宁愿不这样做，但我们只是不相信SQL足够强大。

在SQL中提取字符串的一部分

1 个答案: