Ik moest een aantal van de eerdere antwoorden combineren, plus een beetje meer hacking voor mijn dataset. Dit is wat voor mij werkt, het geeft het domein en eventuele subdomeinen terug:
SUBSTRING_INDEX(SUBSTRING_INDEX(SUBSTRING_INDEX(SUBSTRING_INDEX(target_url, '/', 3), '://', -1), '/', 1), '?', 1) AS domain
Uitleg (want niet-triviale SQL heeft zelden zin):
SUBSTRING_INDEX(target_url, '/', 3)
- verwijdert elk pad als de url een protocol heeftSUBSTRING_INDEX(THAT, '://', -1)
- verwijdert elk protocol van THATSUBSTRING_INDEX(THAT, '/', 1)
- verwijdert elk pad van DAT (als er geen protocol was)SUBSTRING_INDEX(THAT, '?', 1)
- verwijdert de queryreeks van DAT (als er geen pad of volg / ) was
Testgevallen:
SELECT SUBSTRING_INDEX(SUBSTRING_INDEX(SUBSTRING_INDEX(SUBSTRING_INDEX(target_url, '/', 3), '://', -1), '/', 1), '?', 1) AS domain
FROM (
SELECT 'http://test.com' as target_url
UNION SELECT 'https://test.com'
UNION SELECT 'http://test.com/one'
UNION SELECT 'http://test.com/?huh'
UNION SELECT 'http://test.com?http://ouch.foo'
UNION SELECT 'test.com'
UNION SELECT 'test.com/one'
UNION SELECT 'test.com/one/two'
UNION SELECT 'test.com/one/two/three'
UNION SELECT 'test.com/one/two/three?u=http://maaaaannn'
UNION SELECT 'http://one.test.com'
UNION SELECT 'one.test.com/one'
UNION SELECT 'two.one.test.com/one' ) AS Test;
Resultaten:
'test.com'
'test.com'
'test.com'
'test.com'
'test.com'
'test.com'
'test.com'
'test.com'
'test.com'
'test.com'
'one.test.com'
'one.test.com'
'two.one.test.com'