[gelöst] exakten regexp aus txt auslesen?

[debnuxer]

Da ist eine Liste (Textdatei) mit tausenden Domains.

Jede einzelne Domain belegt eine eigene Zeile.

Nun möchte ich nur Domains ausgeben, die mit www. beginnen.

Z.B. http://www.example.com, http://www.pla.example.com, usw.

Aber NICHT: www2.exapmle.com, www2.pla.example.com usw.

EDIT: AUCH NICHT SOWAS WIE m.www.linksynergy.com .

Was bisher schon mal nicht funktioniert hat:

grep ^www.
sed -n '/www./p'
sed '/www./!d'
awk '/^www./'

[uname]

Der Punkt ist bei regulären Ausdrucken ein beliebiges Zeichen. Du musst ihn escapen als \.

[debnuxer]

Ah, doch wieder was übersehen, vielen Dank.

[KBDCALLS]

Mit fgrep sollte es funktionieren.

Code: Alles auswählen

fgrep www\.

Code: Alles auswählen

matthias@svetlana:~/test$ cat test.txt |grep www.
http://www.eins.de
http://www2.zwei.de
http://www3.de

matthias@svetlana:~/test$ cat test.txt |fgrep www\.
http://www.eins.de
matthias@svetlana:~/test$

Mit fgrep gehts auch ohne Backslash

Code: Alles auswählen

matthias@svetlana:~/test$ cat test.txt |fgrep www.
http://www.eins.de

[debnuxer]

Danke.

Aber jetzt gibts noch ein Problem, wegen z.B. m.www.linksynergy.com .

fgrep ^www\. klappt nicht.

[KBDCALLS]

Bittesehr

Code: Alles auswählen

matthias@svetlana:~/test$ cat test.txt |fgrep www.
http://www.eins.de
m.www.linksynergy.com
matthias@svetlana:~/test$  

PS:

Code: Alles auswählen

fgrep

ist das gleiche wie

Code: Alles auswählen

grep -f

In beiden Fällen wird nach einem exakten String gesucht.

Danke.

Aber jetzt gibts noch ein Problem, wegen z.B. m.www.linksynergy.com .

fgrep ^www\. klappt nicht.

Das kann ja auch nicht funktionieren. Das www steht ja auch nicht am Anfang der Zeile.

[debnuxer]

Ich meinte das es mit ^ bei fgrep überhaupt nicht funktioniert, es wird dann garnichts ausgegeben.

Und komischerweise funktioniert grep -f bei mir nicht, nur fgrep. Obwohl -f in der Manpage aufgeführt ist.

EDIT:
Habs jetzt einfach so gelöst:

Code: Alles auswählen

grep -F www\. | grep ^www.

THX

[KBDCALLS]

Sorry das muß ein -F sein. -f ist eine Datei

[uname]

Ohne Parameter nutzt "fgrep" keine regulären Ausdrücke. Daher nur "www." und auch kein Dach (^). "grep" nutzt dagegen reguläre Ausdrücke, somit z.B. "^www\.". Generell würde ich wenn www am Anfang stehen soll einen regulären Ausdruck bevorzugen. Daher in diesem Fall die Syntax mit "grep" und nicht mit "fgrep".

[KBDCALLS]

Wenn man schon reguläre Ausdrücke haben will/muß dann gleich egrep

Wenn man übrigens das Dach davorsetzt wird bei fgrep garnichts gefunden. Selbst dann nicht wenn das www als erstes steht.

[Cae]

Weil hier gerade ein wenig Verwirrung aufkommt, was RegEx angeht:

fgrep bzw. grep -F hat damit gar nichts am Hut. Es sucht nach fixen Zeichenketten und interpretiert die Argumente nicht als RegEx. Entsprechend matcht \. nur auf tatsaechlich vorhandenes Backslash-Punkt und nicht auf den Punkt -- zumindest wenn man das Argument gequotet uebergeben hat. Sonst expandiert die Shell das (zu garnichts), vergleiche

Code: Alles auswählen

$ echo \t\e\s\t
test
$ echo '\t\e\s\t'
\t\e\s\t
$ 

grep bzw. grep -G sind "normale" RegEx, "basic regular expression". Es funktionieren beispielsweise ^ fuer den Zeilenanfang, . fuer ein beliebiges Zeichen und \. fuer einen Punkt. Ranges mit \{min,max\} gehen also nur escaped.

egrep bzw. grep -E sind erweiterte RegEx, "extended regular expression". Es funktionieren alle Bestandteile von den "basic" RegEx; ausserdem kann man z.B. per foo|bar eine logische oder-Verknuepfung machen. Ranges gehen mit unescaptem {min,max}.

awk verwendet den Regelsatz von egrep, sed macht ungefaehr dasselbe wie grep, laesst sich per -r aber wohl auf den egrep-Standard umstellen. Zu beachten ist, dass POSIX-konformes sed kein + (fuer "eins oder mehr") hat, da muss man \{1,\} nehmen.

Dem TE wuerde ich normales grep empfehlen (ich gehe davon aus, dass die Forensoftware das www.example.com mit http:// kaputtexpandiert hat):

Code: Alles auswählen

$ grep '^www\.'

Sieht mit den Teststrings von oben so aus:

Code: Alles auswählen

$ cat <<EOF | grep '^www\.'
> www.example.com
> www.blah.example.com
> www2.example.com
> www2.blah.example.com
> m.www.example.com
> EOF
www.example.com
www.blah.example.com
$ 

(Ich seh' gerade, den Vorschlag hatte uname oben schon gemacht.)

Die "Loesung" von oben matcht auch auf verkehrte Strings:

Code: Alles auswählen

$ echo www2.www.example.org | grep -F www\. | grep ^www.
www2.www.example.org

Gruss Cae

[debnuxer]

Jetzt aber, zwar unschön aber bisher klappt es:

Code: Alles auswählen

grep -F www\. | grep "^www." | awk '!/www[1-9]./{print ""$1""}'

[Cae]

Ich versteh' zwar nicht ganz, wieso du nicht einfach die funktionierende und simple Loesung von oben nimmst (zweite und dritte Codebox von meinem Post).

Aber ich muss dir Recht geben, Pipes sind toll, da kann man noch viel mehr sinnlose Dinger anhaengen:

Code: Alles auswählen

grep -F www\. | grep "^www." | awk '!/www[1-9]./{print ""$1""}' | xxd \
	| dd | xxd -r | awk 1 | sed -n p | grep . | tee /dev/null \
	| /bin/cp /dev/stdin /dev/stdout | cat

...

Gruss Cae

[debnuxer]

Ok, sorry hab das \ vergessen. Vielen Dank.

[Phineas]

Code: Alles auswählen

... | cat

geschüttelt:

Code: Alles auswählen

... | tac | tac

gerührt:

Code: Alles auswählen

... | rev | rev

schaumig geschlagen:

Code: Alles auswählen

... cat | tac | rev | cat | tac | rev

... ist aber Geschmacksache.