如何在 Data Studio 中使用“REGEXP_EXTRACT”从 URL 中提取子目录答案

【问题标题】：How to extract sub-directories from the URL using 'REGEXP_EXTRACT' in Data Studio如何在 Data Studio 中使用“REGEXP_EXTRACT”从 URL 中提取子目录
【发布时间】：2020-02-29 19:34:54
【问题描述】：

我正在尝试使用REGEXP_EXTRACT 从两个斜杠之间的 URL 中提取产品名称。例如，我想从以下 URL 中提取 ace-5：

www.abc.com/products/phones/ace-5/
www.abc.com/products/phones/ace-5/?cid=dm66363&bid
www.abc.com/products/phones/ace-5/?fbclid=iwar30dpnmmpwppnla7
www.abc.com/products/phones/ace-5/?et_cid=em_367029&et_rid=130

我有一个正则表达式来提取域名，但这不是我真正想要的。以下是正则表达式：

REGEXP_EXTRACT(page,'^[^.]+.([^.]+)')

它给出以下结果：abc

【问题讨论】：

标签： regex google-data-studio re2

【解决方案1】：

假设产品名称总是固定的第四个路径元素，我们可以试试：

REGEXP_EXTRACT(page, '(?:[^\/]+\/){3}([^\/]+).*')

或者，如果上述方法不起作用：

REGEXP_EXTRACT(page, '[^\/]+\/[^\/]+\/[^\/]+\/([^\/]+).*')

这是上面的演示：

Demo

【讨论】：

谢谢，蒂姆！该解决方案有效但部分有效。例如，如果我们有以下 URL，则此正则表达式会从中提取“购买”。 www.abc.com/products/phones/ace-5/buy/ 不应该这样。
那么您需要向我们阐明如何找到产品名称的固定规则。如果它的位置是完全任意的，那么可能没有这样的规则。
产品名称将在每个 URL 中的相同位置。一些 URL 可能有更多的子目录，即使这样，产品名称的顺序或位置也不会改变。即使在以下 URL 中，产品名称也在同一位置：www.abc.com/products/phones/ace-5/buy/。但是正则表达式显示的是在最后一个“/”之前出现的字符串，这不应该发生。我对这个 REGEX 的期望是即使 URL 有更多子目录也只显示“ace-5”。
我明白了。尝试更新的答案。如果给你带来麻烦，也请试试这个：^[^\/]+\/[^\/]+\/[^\/]+\/([^\/]+)
更新的 REGEX 在 regex101.com 上测试时按预期工作。但是，当我在 Data Studio 中将它用作计算字段时，它显示以下错误-语法错误：意外的“^”。

【解决方案2】：

由于我的 GDS 没有相同的页面，但我尝试使用我的一组数据源（即来自 google 分析的页面）重新创建。

使用可以根据您的要求使用下面两个斜线后的所有记录。

REGEXP_EXTRACT(Page,'[^/]+/[^/]+/([^/]+)')

您需要使用此公式创建一个计算列，一旦您创建了此计算列，您可能需要添加一个额外的过滤器来删除那些具有null 值的列。

示例页面：“/products/phones/ace-5/” 计算列值将是“ace-5”

只要确保这个正则表达式只会在电话/之后给你提取的单词，如果你之后没有任何记录，它会给你 null 作为回报。

【讨论】：

上述正则表达式从 URL 中返回“电话”，而不是其后面的产品名称。
能否分享一下Page Dimension的实际值
对不起，我没明白你的意思。您是指页面的完整网址吗？如果是，以下是示例 URL： www.abc.com/products/phones/ace-5/ www.abc.com/products/phones/ace-5/buy/ www.abc.com/products/phones/ace -5/?cid=dm66363&bid 正则表达式应从上述 URL 中提取“ace-5”。
不是页面的完整 URL，而是您在 Google Analytics（分析）中获得的页面维度值：例如：/products/phones/ace-5/

【解决方案3】：

下面的REGEXP_EXTRACT Calculated Field 可以解决问题，提取第三个/ 之后的所有字符，直到/ 的下一个实例：

REGEXP_EXTRACT(Page, "^(?:[^/]+/){3}([^/]+)")

Google Data Studio Report 和一个 GIF 来详细说明

【讨论】：

拥有“成功”但不包含解释的答案只会促使用户依赖 StackOverflow 志愿者。每个答案都应包含教育解释，以造福于 OP 和成千上万的未来研究人员。