Vertica SQL：提取URL中第三个斜杠至问号前的字符串

针对字段类型为long char的URL数据（示例：https://www.stackoverflow.com/abc/sometihng-herer?&jhdsfj@38736），要提取从第三个“/”开始到“?”之前的字符串，可使用Vertica的REGEXP_SUBSTR正则提取函数实现，具体SQL语句如下：

SELECT REGEXP_SUBSTR(url_col, '^[^/]+//[^/]+(/[^?]+)', 1, 1, 'e', 1) AS extracted_path
FROM your_table;

正则表达式说明： #

• ^[^/]+//：匹配URL开头到第二个斜杠后的固定前缀（如示例中的https://）
• [^/]+：匹配第二个斜杠到第三个斜杠之间的域名部分（如示例中的www.stackoverflow.com）
• (/[^?]+)：捕获目标片段，匹配从第三个斜杠开始到第一个问号之前的所有字符，最终返回该捕获组的内容（即示例中的/abc/sometihng-herer）

函数参数说明： #

• 第1个参数：目标字段url_col
• 第2个参数：匹配用的正则表达式
• 第3个参数：起始匹配位置（固定为1）
• 第4个参数：匹配第1个符合条件的结果
• 第5个参数：'e'表示启用扩展正则模式
• 第6个参数：返回第1个捕获组的内容

内容的提问来源于stack exchange，提问作者SQLLER