使用REGEXP_SUBSTR提取网站域名时匹配结果异常如何解决

你原正则的用法存在误解：[^https://] 属于正则否定字符集，它的作用是排除括号内所有单个字符，而非排除完整的https://字符串，也就是说匹配过程中只要遇到h、t、p、s、:、/ 任意一个字符就会停止匹配，这就是你得到异常结果的原因：

• cornstalk.com 前四位corn之后是s，属于被排除的字符，所以匹配截断得到corn
• penny.co 首字符p属于被排除的字符，所以从第二位e开始匹配得到enny.co

场景1：所有网址固定为https://开头，且域名后无额外路径 #

直接替换前缀即可，写法最简单：

REGEXP_REPLACE("Website", '^https://', '')

场景2：需要兼容多种协议头、大小写差异，或域名后带路径 #

如果存在http://、HTTPS://这类格式，或者域名后带有路径参数（比如https://penny.co/about），用带捕获组的REGEXP_SUBSTR写法：

REGEXP_SUBSTR("Website", '^https?://([^/]+)', 1, 1, 'i', 1)

参数说明：

• ^https?://：匹配开头的http://或https://，?表示s可选
• ([^/]+)：捕获组，匹配所有不是/的连续字符，就是你要的域名部分
• 最后的1：指定返回第一个捕获组的内容
• i参数：匹配时不区分大小写，适配大写的协议头格式

以上两种写法测试你的示例网址，都能得到ivalore.com.br、cornstalk.com、penny.co的预期结果。

内容的提问来源于stack exchange，提问作者hansolo