使用正则表达式从 MySQL 中的 URL 中提取主机名答案

【问题标题】：Extract hostname from an URL in MySQL with REGEX使用正则表达式从 MySQL 中的 URL 中提取主机名
【发布时间】：2021-01-16 16:33:17
【问题描述】：

我正在尝试使用 MySQL 函数 REGEXP_SUBSTR 从 URL 中提取主机名。

我得到的最接近的正则表达式如下：

(?:\w+\.)?(\w+\.\w+)

这相对来说可行，但问题是捕获的主机名是分组

假设我们试图匹配https://www.w3schools.com/home，上面的正则表达式会返回：

完全匹配 www.w3schools.com
第 1 组。 w3schools.com

REGEXP_SUBSTR 似乎只减去 “完全匹配” 中的内容，因此上述解决方案结果不正确。如何修改上述模式以将主机名包含在完整匹配中，而不是组中？

【问题讨论】：

提示：主机名中可以包含-。
这个模式(?:\w+\.)?(\w+\.\w+) 是一个非常广泛的 url 匹配。它匹配中间有一个点的单词字符。
您应该准确说明您拥有的 MySQL 版本。是第 8 版吗？
这能回答你的问题吗？ How we can find domain name using MySQL and regular expression
@AndyLester 不，这个问题是面向 REGEXP 的。

标签： mysql regex

【解决方案1】：

假设 MySQL 是 8 版，使用

REGEXP_SUBSTR(column, '\\w+\\.\\w+(?=/|$)')

见proof

说明

--------------------------------------------------------------------------------
  \w+                      word characters (a-z, A-Z, 0-9, _) (1 or
                           more times (matching the most amount
                           possible))
--------------------------------------------------------------------------------
  \.                       '.'
--------------------------------------------------------------------------------
  \w+                      word characters (a-z, A-Z, 0-9, _) (1 or
                           more times (matching the most amount
                           possible))
--------------------------------------------------------------------------------
  (?=                      look ahead to see if there is:
--------------------------------------------------------------------------------
    /                        '/'
--------------------------------------------------------------------------------
   |                        OR
--------------------------------------------------------------------------------
    $                        before an optional \n, and the end of
                             the string
--------------------------------------------------------------------------------
  )                        end of look-ahead

【讨论】：

它在 w3schools.com/home?refer=www.referredby.com 这样的 URL 上失败，因为它匹配两者。但总体而言，解决方案似乎很棒。有什么办法可以防止上述情况发生？
@Constantin 答案中的代码不能同时匹配。 REGEXP_SUBSTR(column, '\\w+\\.\\w+(?=/|$)') 默认返回第一个匹配项。另外，请查看regex101.com/r/W2eajd/1。