如何在 substring_index 中传递多个分隔符

Question

我想查询 https:// 或 http:// 及其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

将捕获/ 的初始查询仅包含两个子字符串索引，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。我希望我的状态能够捕获多个分隔符的可能性（每个分隔符都是一个单独的字符）：

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

如何在我的声明中做到这一点？我尝试了this solution，但最终结果由于语法错误而无法执行命令，而我确信我遵循了解决方案。谁能帮我正确构建查询以捕获我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

首先，请注意https://www.yahoo.com?en/ 似乎不太可能是 URL，因为它在查询字符串中包含一个路径分隔符。无论如何，如果您使用的是 MySQL 8+，请考虑使用其正则表达式功能。 REGEXP_REPLACE 函数在这里很有帮助，使用以下模式：

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捕获 组。显式捕获组由括号中的数量表示。在这种情况下，这里是捕获组（在下面突出显示）：

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

即捕获组是URL路径的第一部分，包括域、子域等

Answer 2

在 MySQL 8+ 中，这应该可以工作：

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_.] 旨在成为您域名的有效字符类。