Data Studio计算字段：如何从URL中提取不含子域名的完整域名

我来帮你搞定这个域名提取的需求！你想要的是从任意URL里剥离掉协议（http/https）、所有子域名（不止www），只保留主域名+顶级域名（比如把https://www.example.com/pag.html转成example.com），这个需求用Data Studio的REGEXP_EXTRACT完全可以实现，我来给你拆解正确的正则写法和逻辑。

最终可用的公式 #

先直接给你能达到预期效果的完整公式，和你Google Sheets里的逻辑对齐，还处理了空值情况：

IFNULL(REGEXP_EXTRACT(URL, r'^(?:https?://)?(?:[^/]+\.)?([^/.]+\.[^/?#]+)'), "")

正则逻辑拆解 #

我把这个正则的每个部分拆解开，方便你理解为什么它能工作：

• ^(?:https?://)?：匹配开头的http://或https://，?:表示这是非捕获组——意思是我们不需要提取这部分内容，只是跳过它；?表示这部分是可选的（比如有些URL可能没有协议前缀）。
• (?:[^/]+\.)?：匹配任意形式的子域名（比如www.、blog.、sub.subdomain.），同样用?:设为非捕获组，?表示子域名是可选的（比如直接输入example.com这种没有子域名的URL也能处理）。[^/]+表示匹配除了斜杠之外的任意字符，直到遇到一个点。
• ([^/.]+\.[^/?#]+)：这是核心的捕获组，用来提取我们真正需要的内容：
  • [^/.]+：匹配主域名部分（比如example），排除点和斜杠；
  • \.：匹配主域名和顶级域名之间的点；
  • [^/?#]+：匹配顶级域名（包括多级顶级域名，比如co.uk、org.cn），排除斜杠、问号（URL参数）、哈希（锚点）。

测试各种场景 #

这个公式能覆盖你遇到的大部分URL情况：

• 输入https://www.example.com/pag.html → 输出example.com
• 输入http://blog.test.co.uk/post?param=1 → 输出test.co.uk
• 输入https://sub.subdomain.example.org → 输出example.org
• 输入example.com（无协议无路径）→ 输出example.com

为什么你之前的尝试有问题？ #

咱们来复盘下你之前的两个正则：

1. REGEXP_EXTRACT(URL, "//(.*?)/")：这个只能提取//和第一个/之间的内容，比如www.example.com，没法剥离掉www这类子域名，而且如果URL没有结尾的/就会匹配失败。
2. REGEXP_EXTRACT(URL, '^[^.]+.([^.]+)')：这个正则的逻辑是匹配第一个点之前的内容，然后提取第一个点之后的部分，但它只匹配了一个点后的内容，所以会把example.com变成com，完全丢失了主域名，而且遇到多级子域名或者多级顶级域名就彻底失效了。

额外优化：处理带端口的URL #

如果你的URL里有端口号（比如https://www.example.com:8080/path），可以稍微调整正则，把端口部分也排除：

IFNULL(REGEXP_EXTRACT(URL, r'^(?:https?://)?(?:[^/:]+\.)?([^/.]+\.[^/?#]+)'), "")

这里只是把[^/]改成了[^/:]，避免把端口号（比如:8080）包含进子域名的匹配里。

内容的提问来源于stack exchange，提问作者Evgeniy