REGEXP_SUBSTR 提取域名需分两步：先用 'https?://(?:1+?\.(com|org|cn|jp|de|uk))$' 剥离子域获取注册域名，因不支持后向断言且需处理用户信息、端口及TLD变体。@/]+@)?([^/:]+)' 安全提取主机名，再用 '\.([^.\n ↩
REGEXP_SUBSTR 提取域名的正确正则模式
直接用 REGEXP_SUBSTR 从 URL 中提取域名，关键不是函数本身，而是正则表达式是否能稳定匹配「协议+路径」干扰下的核心域名部分。常见错误是写成 'https?://([^/]+)'，结果在 https://a.b.c.d/path?x=1 里拿到 a.b.c.d —— 这其实是完整主机名，不等于「域名」（domain），尤其当有子域或端口时更易出错。
真正要的是注册域名（Registered Domain），即去掉子域和端口后的主干部分。Oracle 并不原生支持 Public Suffix List，所以得靠业务规则妥协：
- 若所有 URL 都是二级结构（如
www.example.com、shop.example.com），可用REGEXP_SUBSTR(url, 'https?://(?:[^@/]+@)?([^/:]+)', 1, 1, NULL, 1)先取主机名，再嵌套一次REGEXP_SUBSTR(host, '\.([^.]+\.[^.]+)$|\.([^.]+)\.[^.]+\.[^.]+$')取最后两段（兼顾.co.uk类例外需手动扩展） - 若只处理标准 TLD（
.com、.org、.cn等），最简方案是：REGEXP_SUBSTR(url, 'https?://(?:[^@/]+@)?([^/:]+)', 1, 1, NULL, 1)→ 得主机名 再接：REGEXP_SUBSTR(host, '([^.]+\.(com|org|net|cn|jp|de|fr|uk))$', 1, 1, NULL, 1) - 端口（如
:8080）必须在第一次提取时排除，否则会混入结果；正则中[^/:]+的:就是为截断端口
为什么不能只用一个 REGEXP_SUBSTR 完成
因为 REGEXP_SUBSTR 不支持后向断言（lookbehind），无法“确保前面是 :// 且后面不是 / 或 :”这种双向边界。强行塞进一个正则，容易漏掉带用户信息的 URL（https://user:pass@example.com/path）或 IPv4 地址（http://192.168.1.1:3000）。
分两步更可控：
- 第一步用
REGEXP_SUBSTR(url, 'https?://(?:[^@/]+@)?([^/:]+)')安全提取主机字段（含子域、不含协议/路径/端口/用户） - 第二步对主机字段单独处理：若需剥离子域，用
REGEXP_SUBSTR(host, '\.([^.\n]+?\.(com|org|cn|jp|de|uk|ca|au))$', 1, 1, 'i', 1)；注意'i'标志让 TLD 匹配不区分大小写 - 对纯 IP 或 localhost，该逻辑会返回 NULL —— 这是预期行为，不是 bug
实际 SQL 示例与典型错误
假设表 logs 有字段 referer 存 URL 字符串：
SELECT
referer,
REGEXP_SUBSTR(referer, 'https?://(?:[^@/]+@)?([^/:]+)', 1, 1, NULL, 1) AS host,
REGEXP_SUBSTR(
REGEXP_SUBSTR(referer, 'https?://(?:[^@/]+@)?([^/:]+)', 1, 1, NULL, 1),
'\.([^.]+\.(com|org|net|cn|jp|de|uk))$',
1, 1, 'i', 1
) AS domain
FROM logs
WHERE referer IS NOT NULL;
常见翻车点：
-
REGEXP_SUBSTR(url, '://(.+?)\/', ...)—— 错！URL 可能无路径（https://example.com），\/导致整行 NULL - 忽略
@用户信息，导致https://user@example.com被截成user@example.com而非example.com - 没加
NULL, 1参数，误用默认第 0 组（Oracle 默认返回整个匹配，不是子组） - TLD 列表没覆盖业务实际出现的后缀（比如漏了
.io、.dev），结果为空
性能与兼容性提醒
REGEXP_SUBSTR 在 Oracle 中属于 CPU 密集型操作，大数据量时比普通 SUBSTR+INSTR 慢 3–5 倍。如果域名格式高度统一（如全部以 https://www. 开头且固定长度），优先用非正则方案。
另外注意：REGEXP_SUBSTR 在 Oracle 10g+ 可用，但 10g 不支持第六个参数（子组索引），必须升级到 11gR2+ 才能用 REGEXP_SUBSTR(str, pattern, pos, occ, mod, group) 形式精准取子组 —— 这点很容易被开发环境版本掩盖，上线前务必验证。
真实场景里，域名边界永远比想象中模糊；正则只是近似解，别指望它完美处理所有 Public Suffix List 情况。
