从网址中剥离域名

Question

我正在使用Big Query的Hacker News数据集，并正在研究哪些URL具有最多的新闻故事。我也想删除域名，然后看看其中哪些新闻报道最多。我正在R中工作，但在使以下查询开始工作时遇到了一些麻烦。

 sql_domain <- "SELECT url,
                       REPLACE(CASE WHEN REGEXP_CONTAINS(url, '//') 
                           THEN url ELSE 'http://' + url END, '&', '?') AS domain_name,
                       COUNT(domain_name) as story_number
                FROM `bigquery-public-data.hacker_news.full`
                WHERE type = 'story'
                GROUP BY domain_name
                ORDER BY story_number DESC
                LIMIT 10"

我一直遇到以下错误：“错误：运算符+参数类型不匹配：STRING，STRING。支持的签名：INT64 + INT64； FLOAT64 + FLOAT64； NUMERIC + NUMERIC”

我一生都无法找到替换“ +”运算符的方法。非常感谢您的帮助！

Answer 1

  

我一生都无法找到替换“ +”运算符的方法

在BigQuery中-您应使用'http://' + url代替CONCAT('http://', url)

Answer 2

为了您的目标（向“黑客新闻”提交的顶级域名）：

#standardSQL
SELECT NET.REG_DOMAIN(url) domain, COUNT(*) c
  , ROUND(EXP(AVG(LOG(IF(score<=0,0.1,score)))),2) avg_score
FROM `bigquery-public-data.hacker_news.full`
WHERE type = 'story'
GROUP BY 1
ORDER BY 2 DESC
LIMIT 100

请注意，调用NET.REG_DOMAIN()来获取域要容易得多。