0

在我的数据库表（whitelist_domain_data）中，我有字段 id、url、data

Url 列有多个 url，例如

http://www.dailystrength.org/c/Hidradenitis_​​Suppurativa/forum/8870995-solodyn-135-mg-works
http://au.answers.yahoo.com/question/index?qid=20090325215905AA6UVOa
http://navaspot.wordpress.com

我想获取具有相同域的行。

表：Whitelist_domain_data

架构：id、url、数据

select regexp_matches(url,'http\:\/\/([a-z0-9\.]+)\.org')  as domain,
       count(*) 
from whitelist_domain_data 
group by domain;

应该返回：

dailystrength.org   200

问题：如何设计查询以获取所有 urls 数据，如果 url 具有域“dailystrength.org”？

4

1 回答 1

0

您可以使用 substring() 执行此操作，并且您可能还想使用表达式索引。这是一个例子（我调整了正则表达式以匹配我认为你想要的）：

CREATE TABLE whitelist_domain_data(
  id SERIAL PRIMARY KEY,
  url TEXT NOT NULL
);

CREATE INDEX domain_index
  ON whitelist_domain_data (substring(url from 'https?\:\/\/([a-z0-9\.]+)'));

INSERT into whitelist_domain_data (url) VALUES
  ('http://www.dailystrength.org/c/Hidradenitis_Suppurativa/forum/8870995-solodyn-135-mg-works'),
  ('http://au.answers.yahoo.com/question/index?qid=20090325215905AA6UVOa'),
  ('http://navaspot.wordpress.com');

SELECT * FROM whitelist_domain_data WHERE substring(url from 'https?\:\/\/([a-z0-9\.]+)') = 'www.dailystrength.org';

现在这个查询可以使用索引了。如果这是您计划经常使用的东西，您可以考虑为它创建一个特定的函数：

CREATE FUNCTION get_domain(text) RETURNS text
LANGUAGE SQL
AS $$
  SELECT substring($1 from 'https?\:\/\/([a-z0-9\.]+)');
$$;

那么上面就变成了：

CREATE INDEX domain_index
  ON whitelist_domain_data (get_domain(url));

SELECT * FROM whitelist_domain_data WHERE get_domain(url) = 'www.dailystrength.org';

因此，如果您想更改域是什么（忽略子域或其他），您只需更改函数，您的查询仍然有效。不过，我认为您必须在那时重新编制索引。

我检查了这一切都适用于 Postgres 9.1，但它应该与任何最新版本兼容。表达式索引和 substring() 都可以追溯到 7.x 天。

于 2012-07-04T19:35:30.270 回答