Question

我想查询https：//或http：//与它后面的第一个分隔符之间的字符串。例如，如果该字段包含：

https://google.com/en/
https://www.yahoo.com?en/

我想得到：

google.com
www.yahoo.com

我将捕获/的初始查询仅包含两个substring_index，如下所示：

SELECT substring_index(substring_index(mycol,'/',3),'://',-1)
FROM mytable;

现在，我发现URL可能包含多个分隔符。我想让自己的角色捕捉到多个可能的分界符（每个分界符是一个单独的角色）：

:/?#[]@!$&'()*+,;=

如何在我的陈述中这样做？我尝试了this solution，但是最终结果由于语法错误而无法执行命令，但是我确定我遵循了解决方案。谁能帮助我正确地构建查询以捕获上面列出的所有分隔符？

我在Ubuntu 18.04上使用MySQL workbecnh 6.3。

编辑：

在第一个URL示例中进行了一些更正。

Answer 1

在MySQL 8+中，这应该起作用：

SELECT regexp_replace(regexp_substr(mycol, '://[a-zA-Z0-9_.]+[/:?]'), '[^a-zA-Z0-9_.]', '')
FROM (SELECT 'https://google.com/en' as mycol union all
      SELECT 'https://www.yahoo.com?en'
     ) x

在旧版本中，这更具挑战性，因为无法搜索字符串类。

一种蛮力方法是：

select (case when substring_index(mycol, '://', -1) like '%/%'
             then substring_index(substring_index(mycol, '://', -1), '/', 1)
             when substring_index(mycol, '://', -1) like '%?%'
             then substring_index(substring_index(mycol, '://', -1), '?', 1)
             . . .   -- and so on for each character
             else substring_index(mycol, '://', -1) 
        end) as what_you_want

[a-zA-Z0-9_.]的目的类似于您的域名的有效字符类。

Answer 2

首先，请注意https://www.yahoo.com?en/似乎是不太可能的URL，因为它在查询字符串中包含路径分隔符。无论如何，如果您使用的是MySQL 8+，请考虑使用其regex功能。 REGEXP_REPLACE函数在这里可以使用以下模式提供帮助：

https?://([A-Za-z_0-9.-]+).*

示例查询：

WITH yourTable AS (
    SELECT 'https://www.yahoo.com?en/' AS url UNION ALL
    SELECT 'no match'
)

SELECT
    REGEXP_REPLACE(url, 'https?://([A-Za-z_0-9.-]+).*', '$1') AS url
FROM yourTable
WHERE url REGEXP 'https?://[^/]+';

Demo

术语$1指的是正则表达式模式中的第一个 capture 组。显式捕获组由括号中的数量表示。在这种情况下，这是捕获组（在下面突出显示）：

https?://([A-Za-z_0-9.-]+).*
          ^^^^^^^^^^^^^^^

也就是说，捕获组是URL路径的第一部分，包括域，子域等。

如何在substring_index

2 个答案:

Demo