如何在Snowflake中使用正则表达式提取URL子串

• 要从动态URL路径中提取目标字符串，可使用Snowflake的REGEXP_SUBSTR函数配合正则表达式实现。
• 针对你的URL格式，正则表达式可匹配倒数第二个斜杠与最后一个斜杠之间的内容，具体SQL修改如下：

select 
    REGEXP_SUBSTR(parse_url(c1:uri):path, '^.+/([^/]+)/[^/]+$', 1, 1, 'e') as ARTICLE_SLUG,
    count(1) as CNT 
from "OPE_RAW_DATA"."TAGGER_DEFAULT"."INTERACTION_20221107" 
where c1:uri like '%www.kens5.com%'
group by ARTICLE_SLUG
order by CNT desc

正则逻辑说明 #

• ^.+/：匹配从路径开头到倒数第二个斜杠的所有内容
• ([^/]+)：捕获组，匹配不含斜杠的连续字符串（即你需要提取的目标内容）
• /[^/]+$：匹配最后一个斜杠到路径结尾的内容

通过上述表达式能精准提取URL路径中倒数第二段的文章标识，分组统计时直接基于提取后的字段即可完成需求。

内容的提问来源于stack exchange，提问作者anmol