BigQuery-Domäne-Funktion Groß-/Kleinschreibung-Diskrepanz

Question

Bei Verwendung der BigQuery-Abfrage mit Daten, die URLs enthalten, haben wir festgestellt, dass sich die DOMAIN-Funktion anders verhält als die URL.

Dies kann mit dieser einfachen Abfrage demonstriert werden:

SELECT 
    domain('WWW.FOO.COM.AU'), 
    domain(LOWER('http://WWW.FOO.COM.AU/')), 
    domain('http://WWW.FOO.COM.AU/') 

Das Ergebnis der URL der vollständigen Groß scheint nicht richtig und die documentation nichts in Bezug auf Fall zu sein, in URLs erwähnt.

Answer 1

DOMAIN (und die anderen URL-Handling-Funktionen in Legacy-SQL) haben eine Reihe von Einschränkungen, leider. Während wir noch kein Äquivalent in standard SQL haben (deaktivieren Sie das Feld "Use Legacy SQL" unter Optionen), können Sie sich Ihr eigenes zusammenstellen, das in vielen Fällen mit einem regulären Ausdruck funktioniert. Es gibt a number von StackOverflow questions über Domain-Extraktion, und wir können die Antworten setzen eines zu verwenden, wie:

CREATE TEMPORARY FUNCTION GetDomain(url STRING) AS (
    REGEXP_EXTRACT(url, r'^(?:https?:\/\/)?(?:[^@\n]+@)?(?:www\.)?([^:\/\n]+)')); 

WITH T AS (
    SELECT url 
    FROM UNNEST(['WWW.FOO.COM.AU:8080', 'google.com', 
       'www.abc.xyz', 'http://example.com']) AS url) 
SELECT 
    url, 
    GetDomain(url) AS domain 
FROM T; 

+---------------------+----------------+ 
|   url   |  domain  | 
+---------------------+----------------+ 
| www.abc.xyz   | abc.xyz  | 
| WWW.FOO.COM.AU:8080 | WWW.FOO.COM.AU | 
| google.com   | google.com  | 
| http://example.com | example.com | 
+---------------------+----------------+