如何用Unix命令从文本文件提取.com/.net等各类后缀的域名

针对你给出的文本格式（每行以域名开头，后跟 - 机构名 - 标题），以下几种命令行方法可以通用提取域名：

方法1：使用 sed #

利用正则捕获行首的域名部分，适配所有合法域名后缀：

sed -E 's/^([a-zA-Z0-9.-]+)\s+-.*$/\1/' input.txt

• 正则说明：
  • ^([a-zA-Z0-9.-]+)：捕获行首所有符合域名规则的字符（字母、数字、点、连字符）
  • \s+-.*$：匹配后续的空格+破折号及所有剩余内容
  • 替换为捕获的第一组，即纯域名

方法2：使用 awk #

利用固定分隔符直接提取第一字段，更简洁：

awk -F '\\s+-\\s+' '{print $1}' input.txt

• 说明：指定分隔符为「一个或多个空格+破折号+一个或多个空格」，直接输出每行第一个字段就是域名

方法3：使用 grep #

仅提取行首符合域名格式的内容：

grep -oE '^[a-zA-Z0-9.-]+' input.txt

• 说明：-o 参数只输出匹配到的部分，^[a-zA-Z0-9.-]+ 匹配行首的完整域名

以上三种方法都能处理.com、.org、.io、.co.uk等各类后缀的域名，无需针对特定后缀修改规则。

内容的提问来源于stack exchange，提问作者Muhammad Imran