我有一个带有称为URL的列的表。我正在尝试使用REGEX_SUBSTRRedshift中的函数提取URL的不同部分。
URL Expected_output
------------
www.abcd.com/first-name | first-name
www.abcd.com/another-name/some-details/other | another-name
www3.abcd.com/some-name/ | some-name
form.abcd.com/another-first-name | another-first-name
因此，目的是提取域名后的第一个子段
我试过了
SELECT REGEXP_SUBSTR('www.abcd.com/slug-name', '(www|www3|form)[.]abcd[.][^/]+/([^/#?]+)',1,2)
输出量
www.abcd.com/slug-name
由于您需要在模式中进行几个分组，第一个分组定义了预期的匹配上下文（因此，您不需要提取第一个分组的内容），并且REGEXP_SUBSTR仅支持使用e修饰符进行第一个分组的提取，因此您必须使用REGEXP_REPLACE。
请注意：REGEXP_REPLACE删除匹配项，如果字符串不匹配，它将保持原样。REGEXP_SUBSTR将返回一个空白值。
因此，您可以考虑
REGEXP_REPLACE('www.abcd.com/slug-name', '^(www3?|form)\\.abcd\\.[^/]+/([^/#?]+).*', '$2')
或者，要删除“不匹配条目”文本（请注意最后|.+添加的内容）：
REGEXP_REPLACE('www.abcd.com/slug-name', '^(www3?|form)\\.abcd\\.[^/]+/([^/#?]+).*|.+', '$2')
所以，^(www3?|form)\\.abcd\\.[^/]+/([^/#?]+).*比赛
^ -字符串开始(www3?|form)-第1组：www和一个可选3\.abcd\.-.abcd.子串[^/]+ -1个以上字符 //-一个/字符([^/#?]+)-第2组（经由被称为$2在替换模式反向引用）：比其它1个或多个字符/，#一个?.* -尽可能多的0个字符该|.+说“或任何1+字符”。也就是说，如果第一个替代项没有找到匹配项，则删除整个文本。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句