如何用正则表达式提取UTM字符串中的第5段（Subject部分）？

可以通过匹配字符串的固定前后结构来提取Subject，核心思路是锁定前4个无-的分段和末尾两个无-的分段，捕获中间允许包含-的Subject内容。

正则表达式 #

^[^-]+-[^-]+-[^-]+-[^-]+-(.*)-[^-]+-[^-]+$

规则解释 #

• ^[^-]+-[^-]+-[^-]+-[^-]+-：匹配字符串开头的4个独立分段（每个分段不含-），以及第4段后的分隔符-
• (.*)：捕获组，匹配Subject内容，支持包含任意字符（包括-）
• -[^-]+-[^-]+$：匹配结尾的两个独立分段（每个分段不含-），确保捕获的Subject截止到倒数第二个-之前

SQL使用示例（以MySQL为例） #

假设UTM字符串存储在utm_table表的utm_str字段中，可通过以下语句提取Subject：

SELECT 
  REGEXP_SUBSTR(utm_str, '^[^-]+-[^-]+-[^-]+-[^-]+-(.*)-[^-]+-[^-]+$', 1, 1, 'c', 1) AS subject
FROM utm_table;

验证结果 #

• 对字符串 bla-ble-blo-bli-this-bad-blau-bleu，提取结果为 this-bad
• 对字符串 bla-ble-blo-bli-this_good-blau-bleu，提取结果为 this_good

内容的提问来源于stack exchange，提问作者G0000000se