使用REGEXP从URL中提取斜杠之间的特定文本

我们开始使用GoogleDataStudio来可视化我们的数据，我们需要正则表达式来帮助我们从系统的URL列表中提取特定的文本

URL示例：

/town/articletype/46646-this-is-an-example-article

通过使用正则表达式，我们需要从URL获得什么：

• /town/

  （不带斜杠，如果可能，最后大写第一个字母）

• /articletype/

  （也不带斜杠）

• /46646-

  （不带/和-&&这是我们还需要的文章ID）

• -这是一篇示例文章

  （不带“-”和大写首字母）

我们尝试了许多正则表达式，并通过使用以下计算字段从URL中提取

/town/

：

REGEXP_EXTRACT(Page , '/(.*?)(/)')

下面的4种方法可以实现这一目的：

1）城镇

CONCAT(UPPER(REGEXP_EXTRACT(Page , "^/(\\w{1})")), LOWER(REGEXP_EXTRACT(Page , "^/\\w{1}([^/]*)")))

2）文章类型

REGEXP_EXTRACT(Page , "^/\\w+/([^/]*)")

CONCAT(UPPER(REGEXP_EXTRACT(Page , "/\\w+/\\w+/\\d+-(\\w{1}).*$")), LOWER(REGEXP_REPLACE(REGEXP_EXTRACT(Page , "/\\w+/\\w+/\\d+-\\w{1}(.*)$"), "-", " ")))

3）46646

REGEXP_EXTRACT(Page , "^/\\w+/\\w+/([^-]*)")

4）这是一篇示例文章

REGEXP_EXTRACT(Page , "^/\\w+/([^/]*)")

CONCAT(UPPER(REGEXP_EXTRACT(Page , "/\\w+/\\w+/\\d+-(\\w{1}).*$")), LOWER(REGEXP_REPLACE(REGEXP_EXTRACT(Page , "/\\w+/\\w+/\\d+-\\w{1}(.*)$"), "-", " ")))

和一个GIF来详细说明：

---

如果我们可以考虑URL总是遵循该格式，这个表达式将给你包含你的URL的每个部分的4个组：<代码> ^ \ /（[AZZ+）\/（[AZZ+）\/（[09] +）-（\s+）$。现在，关于删除

-

并大写，我建议您使用正则表达式以外的其他方法来实现。Gerep，谢谢，这太棒了！我认为我们不能根据需要使用组，我们最好的方法是对URL的每个部分使用单独的表达式。我设法使它适用于城镇、文章ID和文章名称，但无法适用于文章类型。我不确定我错过了什么。只是想澄清一下：TOWN:^\/（[a-z]+）\/---文章ID:（[0-9]+）---文章名称：-（\S+）$。因为TOWN和文章类型具有相同的模式，最好是按照@Gerep的建议立即匹配它们。或者，如果必须单独使用，可以使用带有g标志的城镇模式，并获得第二个匹配项。