如何从任意深度含横杠的子域名列表中提取以.分隔的末尾两级主域名

现有一份存储子域名的列表文件，需要提取每行中以.为分隔符、从行尾开始计数的最后两段内容作为主域名，示例如下：

blog.clova.line.me

提取结果为：

line.me

初期尝试使用cut -d "." -f "2-3"命令剥离子域名前缀，但该命令仅对3层深度的子域名生效，当子域名深度大于等于4层时，会错误提取到中间段内容，示例：

clova.line.me -> line.me （结果正确）
blog.clova.line.me -> clova.line （结果错误，预期为line.me）

之后尝试编写Shell脚本，逐行统计每行中.的数量，再根据数量调整cut命令的提取字段范围，脚本逻辑片段如下：

while read -r line; do for $(tr -cd "." << ${line} | wc -c) in i; if $i == 2; do cut -d "." -f "2-3"; else if $i == 3; do cut -d "." - f "3-4"
  
and so-on

该方案需要逐行判断.的数量，执行效率很低。

后续尝试使用正则([a-z]*)\.([a-z]*)$进行匹配，但该正则无法适配域名段中包含特殊字符-的场景，会出现匹配错误，示例：

mobile.amazon-aws.com --> aws.com （预期结果为amazon-aws.com）
branch.line-dev.net --> dev.net （预期结果为line-dev.net）
git.line-apps-dev.net --> dev.net （预期结果为line-apps-dev.net）
yugioh.line-games-de-dev.net --> dev.net （预期结果为line-games-de-dev.net）

需求汇总 #

• 支持提取深度3层及以上的子域名对应的主域名
• 域名段中可包含1个及以上的-字符
• 目标：按照规则从子域名列表中正确提取主域名

以下方案均为流处理模式，无需逐行写分支判断，处理大文件效率远高于逐行循环的脚本逻辑，且天然支持域名段包含-的场景：

方案1：awk实现（最简洁推荐） #

直接按.分割行后取倒数第1、2个字段拼接即可，不限制域名总层数：

awk -F '.' '{print $(NF-1)"."$NF}' 子域名列表文件路径

参数说明：

• -F '.'：指定.为字段分隔符
• NF：内置变量，代表当前行的总字段数
• $(NF-1)：倒数第二个字段，$NF：最后一个字段，中间拼接.即为目标主域名

方案2：grep+正则实现 #

修正原正则的匹配范围，不再限制仅匹配小写字母，改为匹配非.的任意字符，提取行尾最后两段即可：

grep -Eo '[^.]+\.[^.]+$' 子域名列表文件路径

参数说明：

• -E：启用扩展正则
• -o：仅输出匹配到的内容，而非整行
• 正则[^.]+\.[^.]+$：匹配行尾位置的「1个及以上非.字符 + . + 1个及以上非.字符」，刚好对应最后两段域名

方案3：sed实现 #

通过正则替换，将整行前缀替换为空，仅保留最后两段域名：

sed -E 's/.*\.([^.]+\.[^.]+)$/\1/' 子域名列表文件路径

以上三种方案对所有测试用例都能返回正确结果，可根据自己熟悉的工具选择使用。

内容的提问来源于stack exchange，提问作者user19219732