[Googleスプレッドシート] URL(Path)の末尾だけ抽出する

Office

※ 本記事はアフィリエイト広告(Amazonアソシエイト)を含みます。

[Googleスプレッドシート] URL(Path)の末尾だけ抽出する

URLの一覧から、最後のファイル名やスラッグだけを取り出したい。SPLIT で分割して最後の列を拾う、みたいなことをするより、素直に正規表現でぶっこ抜く方が早いです。

基本形

=REGEXEXTRACT(A2,"[^/]+$")
A2結果
https://example.com/blog/hello-worldhello-world
https://example.com/files/report.csvreport.csv

[^/]+$ は「/ 以外の文字が1文字以上続いて、そのまま末尾で終わる部分」という意味。つまり最後の / より後ろです。

末尾が / で終わるURLに対応する

https://example.com/blog/hello-world/ のように最後が / で終わるURLだと、/ の後ろに何もないので基本形はエラー(#N/A)になります。末尾の / を許容するならこう。

=REGEXEXTRACT(A2,"([^/]+)/?$")

( ) で囲んだ部分だけが取り出されるので、末尾の / は結果に含まれません。

クエリ(?以降)やアンカー(#以降)を除く

?utm_source=... のようなパラメーター付きのURLも混ざっているなら、? と # も区切り文字として扱います。

=REGEXEXTRACT(A2,"([^/?#]+)/?(?:[?#].*)?$")
A2結果
https://example.com/blog/hello-world/hello-world
https://example.com/page.html?utm_source=xpage.html
https://example.com/docs/intro#setupintro

ここまで来ると読みにくいので、データがきれいなら基本形で十分です。

拡張子を外す

末尾に .csv とか .html とかついているのを外したいときは、追加で

=SUBSTITUTE(REGEXEXTRACT(A2,"[^/]+$"),".html","")

としてあげれば消せる。拡張子がバラバラなら、「最後の . 以降」を正規表現で消す方が楽です。

=REGEXREPLACE(REGEXEXTRACT(A2,"[^/]+$"),"\.[^.]+$","")

列まるごと処理する

1行ずつコピーせず、ARRAYFORMULA で列全体に一発でかけられます。

=ARRAYFORMULA(IF(A2:A="","",REGEXEXTRACT(A2:A,"([^/]+)/?$")))

IF(A2:A="","", ...) は空行でエラーを出さないためのおまじない。

まとめ

やりたいこと式
最後の / 以降=REGEXEXTRACT(A2,"[^/]+$")
末尾の / を許容=REGEXEXTRACT(A2,"([^/]+)/?$")
拡張子を外す=REGEXREPLACE(REGEXEXTRACT(A2,"[^/]+$"),"\.[^.]+$","")

逆に、URLからドメインだけを取り出したいときはURLからドメインだけを抜き出すをどうぞ。

GoogleSpreadsheet