Postgres - 如何拆分和加入？答案

【问题标题】：Postgres - how to split and join?Postgres - 如何拆分和加入？
【发布时间】：2013-07-27 01:15:36
【问题描述】：

有没有办法将一列拆分为标记，并将它们连接起来（就像在其他编程语言中一样，例如 Python、Java、Ruby）

我有一个包含诸如“http://www.Yahoo.com”之类的 url 的列，我想从中提取“Yahoo.com”（主域，而不是子域）。网址可以是以下形式：

我计划在 http:// 之后和下一个斜杠之前使用正则表达式来提取所有内容。然后用句点 (.) 分割 url，然后加入最后 2 个标记。

使用正则表达式，我可以从http://www.yahoo.com 中提取 www.yahoo.com。通过拆分/连接，我可以从 www.yahoo.com 获取 yahoo.com。问题是我不知道如何使用 Postgres 进行拆分/连接。

有人知道方法吗？还是更好的选择？

【问题讨论】：

标签： regex postgresql

【解决方案1】：

这不是您要求的方法，但应该得到您想要的：

vinod=# select * from table;
            url                
----------------------------------
 http://www.domain.com
 http://domain.com
 http://domain.com/page/page1
 http://www.domain.com/page/page2
 http://www.domain.com/
(5 rows)

vinod=# select substring(substring(url from 'http[s]*://([^/]+)') from '\w+\.\w+$') from table;
 substring  
------------
 domain.com
 domain.com
 domain.com
 domain.com
 domain.com
(5 rows)

内部substring 命令提取整个域，外部substring 命令提取最后两个片段。 Postgresql 的拆分和连接命令不如普通脚本语言强大，所以如果可以的话，我倾向于在从数据库中提取内容后执行此类操作。

【讨论】：

【解决方案2】：

您可以将它们与\w+.[^.]+$匹配

http://www.domain.com -> domain.com
http://domain.com -> domain.com
http://domain.com/page/page1 -> domain.com/page/page1
http://www.domain.com/ -> domain.com/
http://www.domain.com/page/page2 -> domain.com/page/page2

【讨论】：

那么像select substring(subtstring(url from '(\w+[.])?\w+[.]\w+') from '\w+[.]\w+$') from table这样的东西呢

【解决方案3】：

将事物拆分为令牌可以通过多种方式完成：

regexp_split_to_table / regexp_split_to_array
string_to_array（用于简单的固定分隔符拆分）
手动substring提取或substring(... from 'pattern')
全文搜索的to_tsvector和to_tsquery
过程语言库，例如 Perl 或 Python URL 库、用于自然语言处理的 Python + NLTK 等

在这种情况下，您可以使用 regexp_split_.... 使用正则表达式进行 URL 拆分，这对于许多用途来说可能没问题 - 但可能不是这个。考虑：

我的域，ringerc.id.au（是“主”域）
www.ecu.edu.au（“主”域是ecu.edu.au）
www.transperth.wa.gov.au（“主”域是transperth.wa.gov.au）
tartarus.uwa.edu.au（“主”域是uwa.edu.au）

祝您好运，使用正则表达式处理所有国家注册机构和子注册机构的变体。使用适当的 URL 解析器来提取域，然后使用适当的域感知库来确定“主”域对于您的目的是什么。我建议首先使用 plperl 和 the URL::Split 或 URI 模块。或者您想要的任何受支持的过程语言（Python、TCL 等）的 URL 解析器。然后为该语言找到一个合适的库，该库可以根据您想要的标准有意义地识别域和子域并使用它，而不仅仅是依赖于正则表达式。

加入时你同样有很多选择：

array_to_string
string_agg
|| 连接运算符
过程语言字符串操作和库

对于 URL 工作，我再次建议使用具有适当本机 URL 库的 PL 来执行此操作。

【讨论】：