从一列中提取域，同时保留其他列
我有一个包含三列的文件，如下所示：
0 1612291061 http://www.staropolska.pl/
0 1612450417 http://m.kerygma.pl/
6831926761338023936 1612171787 http://www.kerygma.pl/hermeneutyka-biblijna/377-ksiegi-starego-testamentu-mini-streszczenie
6867871457052077056 1612534199 http://www.kerygma.pl/katechizm-kkk/kkk-iv-modlitwa/538-kkk-2558-2565
我想从第三列中提取域，同时保留前两列，所以我想要一个看起来像这样的文件：
0 1612291061 http://www.staropolska.pl
0 1612450417 http://m.kerygma.pl
6831926761338023936 1612171787 http://www.kerygma.pl
6867871457052077056 1612534199 http://www.kerygma.pl
到目前为止，我能够使用 grep 提取域：
cat file.txt | grep -Eo '(http|https)://[^/"]+'
但这只给了我第三列中的域：
http://www.staropolska.pl
http://m.kerygma.pl
http://www.kerygma.pl
http://www.kerygma.pl
不打印前两个。
回答
另一种选择是cut，/用作分隔符：
$ cat file.txt | cut -d '/' -f 1-3
0 1612291061 http://www.staropolska.pl
0 1612450417 http://m.kerygma.pl
6831926761338023936 1612171787 http://www.kerygma.pl
6867871457052077056 1612534199 http://www.kerygma.pl
回答
您只需要允许grep正则表达式匹配之前的任何内容https?://：
grep -Eo '.*[[:blank:]]https?://[^/"]+' file
0 1612291061 http://www.staropolska.pl
0 1612450417 http://m.kerygma.pl
6831926761338023936 1612171787 http://www.kerygma.pl
6867871457052077056 1612534199 http://www.kerygma.pl
正则表达式解释：
.*: 匹配 0 个或多个任意字符[[:blank:]]: 匹配一个空格或制表符https?: 匹配https或http://： 比赛://[^/"]+: 匹配任何不是 a/和 a 的字符的 1+"
或者，你也可以试试这个sed：
sed -E 's~([[:blank:]]https?://[^/"]+).*~1~' file
回答
使用 中显示的样本awk，请尝试以下操作。
awk 'match($0,/.*http[s]?://[^/]*/){print substr($0,RSTART,RLENGTH)}' Input_file
说明：为以上添加详细说明。
awk ' ##Starting awk program from here.
match($0,/.*http[s]?://[^/]*/){ ##Using match function to match regex from starting to till http/https:// till next / here.
print substr($0,RSTART,RLENGTH) ##Printing sub string of matched regex here.
}
' Input_file ##Mentioning Input_file name here.