Google Data Studio正则表达式如何排除带查询参数的URL

原实现与存在的匹配偏差 #

此前在Google Data Studio中使用如下正则提取URL的最后一级目录值，基础场景下运行稳定：
REGEXP_EXTRACT( Page , '.*/(.*)/' )

该规则会无差别匹配所有结尾带斜杠的URL，包括无参数的/directory1/、带任意查询参数的/directory1/?var=1、/directory1/?anykey=anyvalue，无法精准区分带参数和不带参数的路径，不符合筛选要求。

适配需求的调整方案 #

调整后的正则表达式为：
REGEXP_EXTRACT( Page , '^.*/([^/?]+)/$' )

规则逻辑说明 #

• ^ 锚定字符串起始位置，避免匹配路径中间的零散无关片段
• .*/ 匹配最后一层斜杠之前的所有路径内容
• ([^/?]+) 作为捕获组，匹配不含斜杠、也不含问号的连续目录名，从规则层面排除带参数的内容
• $ 锚定字符串结束位置，要求路径在最后一个斜杠处直接结束，斜杠后不能存在任何字符（包括查询参数）

匹配效果 #

• 匹配无参数纯路径/directory1/：正常提取捕获组内的directory1值
• 匹配任意带查询参数的路径（不受参数名、参数值限制）：因斜杠后紧跟?不满足结束锚定要求，匹配失败，不会返回提取值

内容的提问来源于stack exchange，提问作者TerryB