如何在linux中搜索两个不同的表达式

Question

我有一个包含以下文字的文件：

aaa.co
bbb.com
ccc.net
sss.co.uk

我需要提取*.co.*和*.com.*并将它们放在另一个文件中。我使用以下内容提取*.com.*，但如何在一个命令中提取*.com.*和*.co.*而不是单独执行它们？

egrep -io '[a-z0-9\-]+\.com(\.[a-z]{2})?' input.txt | sed -e 's/www.//' | sort | uniq >output.txt

输入文件示例：

aaa.co
bbb.com
ccc.net
sss.co.uk 

结果文件：

co
com

Answer 1

只需将m设为可选

egrep -io '[a-z0-9\-]+\.co(m)?(\.[a-z]{2})?' input.txt | sed -e 's/www.//' | sort | uniq >output.txt

修改 你也可以放下sed和uniq

awk 'match($0, "(www\\.)?([a-z0-9\\-]+\\.com?(\\.[a-z]{2})?)", r) { print r[2] }' input.txt | sort -u 

修改 松散sed和uniq的另一种方法

grep -oP '^(www\.)?\K[a-z0-9\-]+\.com?(\.[a-z]{2})?(?=)$' input.txt | sort -u

Answer 2

grep和egrep

问题中的命令行会保留.com，.co和.co.uk。因此，在本节中，我将使用grep和egrep提供两个基本示例。这些命令行保持完整top-level domain (TLD)，因为您的问题中的命令行是这样的：

grep -io 'com?(\.[a-z]{2})?$' input.txt | sort -u >output.txt

或更易理解：

egrep -io 'com$|co$|co[.][a-z]{2}$' input.txt | sort -u >output.txt

要获取您的信息，egrep "PATTERN1|PATTERN2"与grep -E "PATTERN1|PATTERN2"

相同

使用sed

的备选方案

以下sed命令行未保留完整top-level domain (TLD)，因为您的问题指定在处理co时保留*.co.uk

sed -n '/[a-z.][.]com\?/s/.*[.]\(com\?\)\(.*\|$\)/\1/p' input.txt | sort -u >output.txt

说明

• -n =＆gt;不要打印
• 仅匹配模式/[.]com?[.]/的处理线
• s/.*[.]\(com?\)([.][a-z]{2})?/\1/ =＆gt;用com或co
替换该行
• p =＆gt;最后打印线

测试命令行

input.txt：

aaa.co
bbb.com
ccc.net
sss.co.uk
www.zzz.co
www.yyy.com
www.xxx.co.tw

根据uniq -c进行测试：

sed -n '/[a-z.][.]com\?/s/.*[.]\(com\?\)\(.*\|$\)/\1/p' input.txt | sort | uniq -c

结果：

  4 co
  2 com

Answer 3

您可以为任何-e

提供多个grep选项

egrep -e '\.com\.' -e '\.co\.' ...

或grep替代

egrep -io '[a-z0-9\-]+\.(com|co)(\.[a-z]{2})?' input.txt | ...

或在这种特殊情况下使“m”可选

egrep -io '[a-z0-9\-]+\.com?(\.[a-z]{2})?' input.txt | ...

Answer 4

这可能适合你（GNU sed）：

sed '/.*\.\(com\?\)\.\?.*/s//\1/p;d' file | sort -u