如何在BigQuery中提取URL中.com/之后至下一个/之前的特定值？

你遇到的问题很典型——固定数组偏移量在URL结构不一致的时候确实会失效，因为不同URL的分段数不一样。这里推荐用正则表达式匹配的方法，它能精准定位你需要的.com/之后到下一个/之间的内容，不受其他路径部分长度的影响。

解决方案（BigQuery SQL） #

使用REGEXP_EXTRACT函数，匹配特定模式来提取目标字符串：

SELECT
  url,
  REGEXP_EXTRACT(url, r'\.com/([^/]+)') AS new_string
FROM (
  SELECT 'https://www.delish.com/food-news/news/jdhgkjdf/100-years-of-christmas' AS url UNION ALL
  SELECT 'https://www.delish.com/food-news/news/100-years-of-christmas' AS url
)

结果输出 #

正则表达式说明 #

• r'\.com/'：匹配字符串中的.com/，这里的\.是转义后的点（因为正则里.默认匹配任意字符）
• ([^/]+)：捕获一个或多个不是斜杠的字符，也就是.com/之后到下一个/之前的所有内容，这正是你需要提取的部分

这种方法不管URL前面的域名格式（比如有没有www）或者后面的路径有多长，都能准确提取目标片段，比固定偏移量的方法更鲁棒。

内容的提问来源于stack exchange，提问作者Chique_Code