使用正则表达式和 Presto DB 从引荐来源网址中提取域名答案

【问题标题】：Extracting domain name from referrer url using regex with Presto DB使用正则表达式和 Presto DB 从引荐来源网址中提取域名
【发布时间】：2018-11-09 17:53:00
【问题描述】：

我正在尝试从 PrestoDB 中的引荐来源网址列表中提取域名。使用url_extract_host 函数，我有一个如下列表。我一直试图从字符串中取出域名。

Presto 使用 java 样式的模式语法。

我在下面有一个字符串列表，所有这些都应该返回google

google.com google.co.il blog.google.com blog.google.co.il

感谢任何帮助

【问题讨论】：

标签： regex presto

【解决方案1】：

我认为您可以从 Mozilla 维护的 Public Suffix List 创建正则表达式。

但表达式的长度将超过 100,000 个字节 - 目前有超过 8,500 个公共后缀，包括相当多的非 ascii 后缀，它们可以使用 UTF-8 和 punycode 进行编码，您的表达式可能需要支持两种编码。

【讨论】：