在Oracle中提取行字符串内的唯一trk-与track值

给定一批包含tracking=开头的URL字符串，需要从中提取出trk-xxx或trackxxx格式的唯一标识，示例输入如下：

tracking=http://test-trk-801v.pii-dmz.ext:8080/95078&analysis=http://test-trk-801v.pii-dmz.ext:8080/95078-analysis/index.jsp
tracking=http://localtest-mi-track16.localperc.cloud:11080/232819&analysis=http://localtest-mi-anlys19.localperc.cloud:9080/232819-analysis/index.jsp
tracking=http://test-trk-002.pii-dmz.ext:10088/77971
tracking=http://test-trk-003.pii-dmz.ext:14080/92542
tracking=http://localtest-mi-track04.localperc.cloud:15080/203396&dentalanalysis=http://localtest-mi-anlys12.localperc.cloud:8080/203396-analysis-dental/index.jsp&analysis=http://localtest-mi-anlys03.localperc.cloud:12080/203396-analysis/index.jsp
tracking=http://localtest-mi-track03.localperc.cloud:14080/202161&bonescananalysis=http://localtest-mi-anlys03.localperc.cloud:10088/202161-analysis-bonescan/index.jsp&analysis=http://localtest-mi-anlys03.localperc.cloud:10088/202161-analysis/index.jsp
tracking=http://test-trk-002.pii-dmz.ext:10088/7732
tracking=http://test-trk-003.pii-dmz.ext:14080/92902
tracking=http://localtest-mi-track16.localperc.cloud:11080/236978&analysis=http://localtest-mi-anlys19.localperc.cloud:9080/236978-analysis/index.jsp

方案一：Python脚本处理 #

适合批量处理大量数据，自动去重并分类输出：

import re

unique_ids = set()
# 读取包含所有URL行的文件（假设文件名为urls.txt）
with open('urls.txt', 'r', encoding='utf-8') as file:
    for line in file:
        # 只处理tracking开头的部分，截断&之后的内容
        tracking_segment = line.split('&')[0].strip()
        # 匹配trk-xxx或trackxxx格式的标识
        match_result = re.search(r'(trk-[^.]+|track[^.]+)', tracking_segment)
        if match_result:
            unique_ids.add(match_result.group(1))

# 分类输出结果
trk_list = [id for id in unique_ids if id.startswith('trk-')]
track_list = [id for id in unique_ids if id.startswith('track')]
print("trk系列唯一标识：", ', '.join(trk_list))
print("track系列唯一标识：", ', '.join(track_list))

运行脚本后，输出结果为：

trk系列唯一标识： trk-801v, trk-002, trk-003
track系列唯一标识： track16, track04, track03

方案二：命令行工具组合 #

适合快速处理文本文件，无需编写脚本：

将所有URL行保存到urls.txt，执行以下命令：

# 提取并去重trk系列标识
grep -o 'trk-[^.]*' urls.txt | sort | uniq
# 提取并去重track系列标识
grep -o 'track[^.]*' urls.txt | sort | uniq

执行后会分别输出：

trk-002
trk-003
trk-801v

track03
track04
track16

内容的提问来源于stack exchange，提问作者Jyoti Prakash Mallick