Question

我知道这对你们中的一个大师来说真的很容易！

我有一个这样的清单：

 www.google.com
 ebay.com
 yahoo.com
 www.bing.com
 www.buy.com
 woot.com
 news.google.com
 images.google.com

我正在尝试编写一个bash / sed / awk脚本来清理这个列表。我需要列表看起来像这样：

 www.google.com
 www.ebay.com
 www.yahoo.com
 www.bing.com
 www.buy.com
 www.woot.com
 news.google.com
 images.google.com

总之，它需要添加“www。”如果它还没有www或子域。此列表位于名为theList的文件中。我蹩脚的尝试是这样的：

 sed 's/^www\./' theList > cleanedList

这显然不适用于已经有www或子域的情况。任何想法都将不胜感激。

谢谢！

EV

Answer 1

使用awk比使用sed更容易。例如：

awk -F. 'NF == 2 {print "www." $0; next}; {print}' theList > cleanedList

这定义了＆＃34;子域＆＃34;作为名称中少于两个点的任何内容，使用点作为每个记录中的字段分隔符。你当然可以调整它以适应。

正确处理提供的语料库，如下所示：

$ cat cleanedList
www.google.com
www.ebay.com
www.yahoo.com
www.bing.com
www.buy.com
www.woot.com
news.google.com
images.google.com

Answer 2

在bash中，你可以这样写：

while read; do
  case "$REPLY" in
  www.*|*.*.*)         # begins with www. or contains at least two dots...
    echo "$REPLY"      # ...leave as-is
    ;;
  *)                   # all other cases...
    echo "www.$REPLY"  # ...prepend "www."
    ;;
  esac
done < theList > cleanedList

外部while循环从stdin读取（在最后一行重定向到theList），一次一行。如果没有其他参数，该行将以shell变量$REPLY结束。

case语句类似于C的switch语句，但它与通配符模式而不是整数常量进行比较。我们使用它将行（$REPLY）分为两类：一类不需要www.前置，另一类不需要。{/ p>

第一种模式（www.|*.*.*)）实际上是两种选择：行匹配www.*（即以www.开头）或匹配*.*.*（即它包含至少两个点（它们可能相邻，但这不是验证模板名称的模式），因为Unix中的*也匹配. s）。在这种情况下，我们只是在得到它时输出该行。

第二种模式（*)）匹配所有内容，但仅在第一种模式不匹配时才选择。在这些情况下，我们输出"www.$REPLY"，即。我们将www.添加到刚刚阅读的行中。

他们一起实施你描述的算法。

Answer 3

密钥位于the regex。它捕获所有没有子域的独立域，然后将其替换为www.及其自身。

sed -ri 's/^([^.]+\.[^.]+)$/www.\1/' YOUR_FILENAME

可替换地：

sed -r 's/^([^.]+\.[^.]+)$/www.\1/' YOUR_FILENAME > NEW_FILENAME

用于修复域列表的Bash脚本

3 个答案: