Question

有没有办法将列拆分为标记，并加入它们（就像在其他编程语言中一样，如Python，Java，Ruby）

我有一个包含“http://www.Yahoo.com”等网址的列，我想从中提取“Yahoo.com”（主域名，而不是子域名）。网址可以是以下形式：

我打算使用正则表达式在http：//之后和下一个斜杠之前提取所有内容。然后将句点分割为句点（。），然后加入最后2个标记。

使用正则表达式，我可以从http://www.yahoo.com中提取www.yahoo.com。通过分组/连接，我可以从www.yahoo.com获得yahoo.com。问题是我不知道如何与Postgres进行拆分/连接。

有人知道吗？还是更好的选择？

Answer 1

这不是你要求的方法，但应该得到你想要的东西：

vinod=# select * from table;
            url                
----------------------------------
 http://www.domain.com
 http://domain.com
 http://domain.com/page/page1
 http://www.domain.com/page/page2
 http://www.domain.com/
(5 rows)

vinod=# select substring(substring(url from 'http[s]*://([^/]+)') from '\w+\.\w+$') from table;
 substring  
------------
 domain.com
 domain.com
 domain.com
 domain.com
 domain.com
(5 rows)

内部substring命令拉出完整域，外部substring命令拉出最后两个片段。 Postgresql拆分和连接命令没有普通脚本语言那么强大，所以我倾向于在把数据从数据库中拉出来之后做这种事情，如果可以的话。

Answer 2

您可以将它们与\w+.[^.]+$

匹配

http://www.domain.com -> domain.com
http://domain.com -> domain.com
http://domain.com/page/page1 -> domain.com/page/page1
http://www.domain.com/ -> domain.com/
http://www.domain.com/page/page2 -> domain.com/page/page2

Answer 3

将事物拆分成令牌可以通过以下几种方式完成：

regexp_split_to_table / regexp_split_to_array
string_to_array（对于简单的固定分隔符拆分）
手动substring提取或substring(... from 'pattern')
全文搜索to_tsvector和to_tsquery
程序语言库，如Perl或Python URL库，用于自然语言处理的Python + NLTK等

在这种情况下，您可以使用regexp_split_....使用正则表达式进行URL拆分，这可能适用于许多用途 - 但可能不是这个。考虑：

我的域名ringerc.id.au（是“主要”域名）
www.ecu.edu.au（“主要”域名为ecu.edu.au）
www.transperth.wa.gov.au（“主要”域名为transperth.wa.gov.au）
tartarus.uwa.edu.au（“主要”域名为uwa.edu.au）

祝你好运使用正则表达式处理所有国家注册局和子注册表变体。使用正确的URL解析器来提取域，然后使用适当的域感知库来确定“主”域的用途。我建议使用plperl和the URL::Split或URI模块开始。或者你想要的任何支持的过程语言（Python，TCL，等等）的URL解析器。然后为该语言找到一个合适的库，可以根据您想要的标准有意义地识别域和子域，并使用它，而不仅仅依赖于正则表达式。

加入时你同样有很多选择：

array_to_string
string_agg
||连接运算符
程序语言字符串操作和库

对于URL工作，我建议再次使用具有适当本机URL库的PL。

Postgres - 如何拆分和加入？

3 个答案: