SPARQL GraphDB查询中如何提取URL的基础域名？

你当前的SPARQL查询里，正则匹配失败主要是因为原正则.*://(.*?)/.*有两个关键缺陷：

• 要求URL必须包含域名后的斜杠，像http://www.schema.org这种无后续路径的URL会匹配失败，直接返回原URL
• .*?的惰性匹配可能在复杂URL下捕获不完整

同时原查询的日期条件只限定了2001年，没法精准匹配5月的文章，也需要调整。

修正后的完整SPARQL查询如下：

PREFIX : <http://www.mysemantics.com/> 
PREFIX xsd: <http://www.w3.org/2001/XMLSchema#>
SELECT ?hostingWebsite
WHERE {
    ?article a :Article . 
    # 精准匹配2001年5月的文章
    ?article :datePublished ?date .
    FILTER(?date >= "2001-05-01"^^xsd:date && ?date < "2001-06-01"^^xsd:date)
    ?article :hasAuthor :JamesHendler .
    ?article :url ?url . 
    # 修正后的正则：兼容带路径和不带路径的URL，精准提取域名
    BIND(REPLACE(?url, "^.*://([^/]+)(/.*)?$", "$1") AS ?hostingWebsite)
}

正则说明： #

• ^.*://：匹配URL开头的协议部分（http://、https://等）
• ([^/]+)：捕获://之后到第一个/之前的所有字符（即域名），[^/]表示非/的任意字符，+确保至少匹配一个字符
• (/.*)?$：匹配域名后的路径部分，?标记这部分为可选，兼容无后续斜杠的URL
• $1：引用第一个捕获组的内容，也就是提取到的域名

内容的提问来源于stack exchange，提问作者sgelena