在SQL中提取字符串的一部分

Question

我在表格中有網址數據。 我想創建一個顯示第二級（sld）和頂級域（tld）以及子域的視圖。 如何在ANSI SQL中提取此內容？ 我正在使用的數據庫僅支持ansi sql，並且沒有諸如反向之類的出色功能。

數據如下：

  TLD =  -- The top-level domain (.com, .org, .info, .us)
  SLD =  -- The second-level domain (twitter, yahoo, facebook, google) second part of URL
  SUBDOMAIN = -- The subdomain domain (www, search.google, search.espn) first part of URL // tricky

這是我使用的邏輯。 但是我無法正確獲得該子域。 在提取TLD和SLD之后，我想撤消並獲得剩余部分，但是Vertica不支持撤消功能。

這是查詢和示例數據（注意：SPLIT_PART將字符串拆分為指定的字符）：

select COALESCE(SPLIT_PART(URL, '.', 3), SPLIT_PART(URL, '.', 2))  as tld, 
             SPLIT_PART(URL, '.', 2) as sld, 
SPLIT_PART(URL, '.', 1) as subdomain from URL_table

該表有2列，即日期和URL，以下是示例URL：

search.mywebsearch.com   (TLD = com, SLD = mywebsearch, subdomain = search)
search.earthlink.net     
topix.com
main.welcomescreen.intrepid.com
ad.yieldmanager.com
google.com
news.google.com

Answer 1

這確實是一件很難做的事情，尤其是在您的數據嘈雜的情況下（大數據就是這種情況）。

您能否以http：//作為前綴？ 像www.sub.dom.com這樣的網站呢？ .TLD之后的所有內容都已經清除了嗎？

由於這些原因，我們對嘗試在SQL中實現拆分持謹慎態度。 相反，我們使用了Vertica的UDTF功能，並用C ++編寫了一個splitter。 我想我們不願意這樣做，但是我們只是不相信SQL足夠強大。