如何使用正则表达式提取 URL 的子字符串

Question

使用一些非结构化数据并希望从 URL 中提取 utm_campaign 名称。下面是一个 URL 的示例。我想每次提取“utm_campaign=”后面但“&utm_source”之前的名称。我怎样才能用正则表达式做到这一点？

https://data.io/?utm_campaign=branded&utm_source=google&utm_medium=cpc&utm_term=data&gclid=CjwKCAjwiuuRBhBvEiwAFXKaNGwDI2MaPLQpb9duvQZ2XeOA4vpk7FuBTqhYiJ2ysnirdUh8SZ6-zxoC4VYQAvD_BwE

我尝试过各种正则表达式函数，例如：

regexp_substr(get_path(event_properties, 'url'), '(\[A-Za-z\_-\]\*)-utm_campaign')

Answer 1

使用 parse_url 更容易完成

select parse_url(your_url):parameters:"utm_campaign"::string

，或者您可以使用 split_part 分而治之

select split_part(split_part(your_url,'utm_campaign=',-1),'&',1)

Answer 2

试试这个：

SELECT regexp_substr(get_path(event_properties, 'url'), '\\b+[-utm_campaign=](\\w+)&\\b+', 1, 1, 'e', 1)

参考：REGEXP_SUBSTR