SQL怎样从URL字符串中提取域名_利用REGEXP_SUBSTR函数

在业务数据库的日常使用中，我们经常会遇到需要解析URL字符串获取域名的场景，比如统计不同域名的访问量、清洗用户提交的链接数据等。传统的字符串截取函数如SUBSTRING、CHARINDEX等，面对格式不统一的URL时很难做到通用，而REGEXP_SUBSTR函数基于正则表达式的匹配能力，可以高效完成域名提取工作。

REGEXP_SUBSTR函数基础语法

REGEXP_SUBSTR是SQL标准中定义的正则匹配函数，不同数据库厂商的实现略有差异，但核心逻辑一致，基本语法如下：

-- 通用语法结构
REGEXP_SUBSTR(source_string, pattern, position, occurrence, match_parameter)
-- 参数说明
-- source_string：待匹配的源字符串，也就是存储URL的字段
-- pattern：正则表达式匹配规则
-- position：从源字符串的第几位开始匹配，默认是1
-- occurrence：匹配到第几次出现的结果，默认是1
-- match_parameter：匹配参数，比如i表示不区分大小写，c表示区分大小写

URL域名的正则匹配规则

要提取域名，首先需要明确URL的结构，常见的URL格式包含协议、域名、端口、路径、参数等部分，比如：

• https://www.baidu.com/path?query=1
• http://192.168.0.1:8080/api
• ftp://example.ipipp.com/file

域名部分的核心特征是：位于协议后面的//之后，到第一个/、?、:之前的内容。对应的正则表达式可以写为：//([^/?#:]+)，其中：

• //匹配协议后的双斜杠
• [^/?#:]+匹配除了/、?、#、:之外的任意字符，直到遇到这些字符为止，也就是我们要的域名部分

不同数据库中的实现示例

MySQL中的实现

MySQL 8.0及以上版本支持REGEXP_SUBSTR函数，提取域名的代码如下：

-- 创建测试表
CREATE TABLE url_test (
    id INT PRIMARY KEY AUTO_INCREMENT,
    url VARCHAR(255)
);
-- 插入测试数据
INSERT INTO url_test (url) VALUES
('https://www.baidu.com/path?query=1'),
('http://192.168.0.1:8080/api'),
('ftp://example.ipipp.com/file'),
('https://blog.csdn.net/article/details/123');

-- 提取域名
SELECT 
    url,
    REGEXP_SUBSTR(url, '//([^/?#:]+)', 1, 1, 'c', 1) AS domain
FROM url_test;

MySQL的REGEXP_SUBSTR函数多了一个group参数，用来指定返回正则中第几个分组的内容，这里填1就是返回第一个括号里的域名部分。

Oracle中的实现

Oracle数据库原生支持REGEXP_SUBSTR函数，提取域名的代码如下：

-- 创建测试表
CREATE TABLE url_test (
    id NUMBER PRIMARY KEY,
    url VARCHAR2(255)
);
-- 插入测试数据
INSERT INTO url_test (id, url) VALUES
(1, 'https://www.baidu.com/path?query=1');
INSERT INTO url_test (id, url) VALUES
(2, 'http://192.168.0.1:8080/api');
INSERT INTO url_test (id, url) VALUES
(3, 'ftp://example.ipipp.com/file');
INSERT INTO url_test (id, url) VALUES
(4, 'https://blog.csdn.net/article/details/123');
COMMIT;

-- 提取域名
SELECT 
    url,
    REGEXP_SUBSTR(url, '//([^/?#:]+)', 1, 1, 'c', 1) AS domain
FROM url_test;

Oracle的REGEXP_SUBSTR函数参数和MySQL类似，最后一个参数也是指定返回的分组序号。

PostgreSQL中的实现

PostgreSQL使用regexp_match函数来实现正则匹配，提取域名的代码如下：

-- 创建测试表
CREATE TABLE url_test (
    id SERIAL PRIMARY KEY,
    url VARCHAR(255)
);
-- 插入测试数据
INSERT INTO url_test (url) VALUES
('https://www.baidu.com/path?query=1'),
('http://192.168.0.1:8080/api'),
('ftp://example.ipipp.com/file'),
('https://blog.csdn.net/article/details/123');

-- 提取域名
SELECT 
    url,
    (regexp_match(url, '//([^/?#:]+)'))[1] AS domain
FROM url_test;

PostgreSQL的regexp_match函数返回的是一个数组，所以需要通过[1]来获取第一个分组的内容。

特殊场景处理

如果遇到没有协议的URL，比如www.baidu.com/path，上面的正则就无法匹配到//，这时候可以调整正则规则，改为匹配字符串开头到第一个/、?、:之前的内容：

-- 适配无协议的URL提取域名
SELECT 
    url,
    REGEXP_SUBSTR(url, '^([^/?#:]+)', 1, 1, 'c', 1) AS domain
FROM url_test;

如果需要同时适配带协议和不带协议的URL，可以把两个正则结合，使用//?([^/?#:]+)的规则，?表示//出现0次或1次，这样不管有没有协议都能匹配到域名部分。

注意事项

• 不同数据库的REGEXP_SUBSTR函数参数顺序和支持的特性可能有差异，使用前需要查看对应数据库的官方文档
• 正则匹配的性能比普通字符串函数略低，如果数据量很大，建议先过滤掉不符合URL格式的数据再执行匹配
• 如果URL中包含中文或者特殊字符，需要确保数据库的字符集设置正确，避免匹配出现乱码

SQLREGEXP_SUBSTRURL提取域名提取修改时间：2026-07-14 05:54:24