在mysql中的url的格式列表

我有一個百萬或urls在mysql表中的列表。在mysql中的url的格式列表

我需要清理數據（提取域），以便我可以對DISTINCT類型查詢充滿信心。

數據有幾種不同的類型： -

www.domain.tld 
domain.tld 
http://domain.tld 
https://vhost.domain.tld 
domain.tld/

有無效域和空數據。

理想情況下，我想沿着線做一些事情： -

UPDATE table1 SET domain = website REGEXP '^(https?://)?[a-zA-Z0-9\\\\.\\\\-]+(/|$|\\\\?)'

域是一個新的空場，網站是原始URL。

來源

2011-07-07 martin blank

沒有固定的答案，「持平」的域名是什麼，這取決於你的應用領域，使用的情況下，道德和個人信念，以及ICANN最近創建多少個虛榮TLD。除此之外，你的正則表達式並不壞，但MySQL'REGEXP'似乎只返回一個布爾值。我會寫一些外部腳本來清理數據並將其加載到新列中;另一種方法是運行'SET domain = SUBSTR'（從8開始）的類型的幾個更新，其中LEFT（domain，7）='http：//''，直到所有的cruft消失。 – LHMathies

你不能像在MySQL中那樣使用正則表達式，但顯然你可以使用一些UDF來實現它。請參閱：

來源

2011-07-07 13:32:54 Qtax

在mysql中的url的格式列表

回答

相關問題