[Googleスプレッドシート] URLからドメインだけを抜き出す
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。
重複確認とかでURLからドメインだけを抜き出す作業、ちょこちょこある気がする。
問い合わせリストや営業リストで「同じ会社がURL違いで2回入っていないか」を見たいとき、URLのままだとパスやパラメーターが違って重複として引っかかりません。ドメインに揃えてから比べます。
式
http:// や https://、www. を省いて、ドメインだけを取り出します。
=REGEXEXTRACT(A2,"^(?:https?://)?(?:www\.)?([^/:?#]+)")
| A2 | 結果 |
|---|---|
https://www.example.com/contact | example.com |
http://example.co.jp/?ref=top | example.co.jp |
https://shop.example.com:8080/item | shop.example.com |
example.com/about | example.com |
式の読み方
| パーツ | 意味 |
|---|---|
^(?:https?://)? | 先頭の http:// または https://(無くてもOK) |
(?:www\.)? | www.(無くてもOK) |
([^/:?#]+) | / : ? # が出てくるまで = ドメイン部分。ここだけが結果として返る |
(?: ) は「グループにするけど取り出さない」という書き方。REGEXEXTRACT は ( ) で囲んだ部分だけを返すので、ドメイン部分だけを普通の ( ) にしています。
⚠️ 以前この記事に載せていた
=REGEXEXTRACT(A2,"/(?:www\.)?([^/]+)"))は、閉じカッコが1つ多く、そのままではエラーになっていました。またhttps://が付いていないURLだと別の部分を拾ってしまうので、上の式に差し替えています。
サブドメインも揃えたいとき
shop.example.com と example.com を同じ扱いにしたい場合、正規表現だけで「登録ドメイン」を正確に取るのは難しいです(.co.jp のような2段のものがあるため)。件数が少なければ、ドメインにした後で目視で寄せるのが現実的。
列まるごと処理して重複を探す
=ARRAYFORMULA(IF(A2:A="","",REGEXEXTRACT(A2:A,"^(?:https?://)?(?:www\.)?([^/:?#]+)")))
B列にドメインを出しておけば、あとは条件付き書式で重複セルに色を付けるで B列の重複に色を付けるだけです。
まとめ
- ドメイン抽出は
=REGEXEXTRACT(A2,"^(?:https?://)?(?:www\.)?([^/:?#]+)") ( )の中だけが返る。取り出さないグループは(?: )- 重複チェックは「ドメインに揃える → 条件付き書式」の2段構え
逆に末尾のPage Pathだけ抜きたいときはURL(Path)の末尾だけ抽出するを参照。正直JS使ったら早いんだけど、スプレッドシートの中で完結させたいときはこれで。
GoogleSpreadsheet