URL からドメインを抽出するためのクエリがあります...
SELECT SUBSTRING(LEFT(url, LOCATE('/', url, 8) - 1), 8) AS domain...
これは、URL が のような場合にのみ機能します。 (末尾のスラッシュなし) や(パーマリンク)www.google.com/something
のような URL では機能しません。www.google.it
www.google.it/abc/xzy/
このクエリを修正して、さまざまな種類の URL に対してより堅牢にする方法をご存知ですか?
ベストアンサー1
以前の回答のいくつかを組み合わせ、さらにデータセットにもう少しハッキングを加える必要がありました。これが私にとってはうまく機能し、ドメインとサブドメインを返します。
SUBSTRING_INDEX(SUBSTRING_INDEX(SUBSTRING_INDEX(SUBSTRING_INDEX(target_url, '/', 3), '://', -1), '/', 1), '?', 1) AS domain
説明 (非自明な SQL はほとんど意味をなさないため):
SUBSTRING_INDEX(target_url, '/', 3)
- URL にプロトコルがある場合はパスを削除します
SUBSTRING_INDEX(THAT, '://', -1)
- そこからプロトコルを削除します
SUBSTRING_INDEX(THAT, '/', 1)
- そこからパスを削除します (プロトコルがない場合)
SUBSTRING_INDEX(THAT, '?', 1)
- そこからクエリ文字列を削除します (パスまたは末尾の / がない場合)
テストケース:
SELECT SUBSTRING_INDEX(SUBSTRING_INDEX(SUBSTRING_INDEX(SUBSTRING_INDEX(target_url, '/', 3), '://', -1), '/', 1), '?', 1) AS domain
FROM (
SELECT 'http://test.com' as target_url
UNION SELECT 'https://test.com'
UNION SELECT 'http://test.com/one'
UNION SELECT 'http://test.com/?huh'
UNION SELECT 'http://test.com?http://ouch.foo'
UNION SELECT 'test.com'
UNION SELECT 'test.com/one'
UNION SELECT 'test.com/one/two'
UNION SELECT 'test.com/one/two/three'
UNION SELECT 'test.com/one/two/three?u=http://maaaaannn'
UNION SELECT 'http://one.test.com'
UNION SELECT 'one.test.com/one'
UNION SELECT 'two.one.test.com/one' ) AS Test;
結果:
'test.com'
'test.com'
'test.com'
'test.com'
'test.com'
'test.com'
'test.com'
'test.com'
'test.com'
'test.com'
'one.test.com'
'one.test.com'
'two.one.test.com'