powershell - 清理包含域的巨大文本文件

Question

我有一个数据库，其中包含以下事项中列出的域日志:

.youtube.com
.ziprecruiter.com
0.etsystatic.com
0.sparkpost.com
00.mail.ne1.yahoo.com
00072e01.pphosted.com
00111b01.pphosted.com
001d4f01.pphosted.com
011.mail.bf1.yahoo.com
1.amazonaws.com

我将如何使用 powershell 或 grep 清理它们，尽管我更喜欢使用 powershell，以便它们仅包含带有 .com 扩展名的根域，并删除任何单词和 .在那之前。

我认为最好的方法是进行一个查询，从右到左查找点并删除第二个点及其后面的任何内容。例如 1.amazonaws.com 这里我们删除右侧的第二个点以及它后面的内容？即

youtube.com
ziprecruiter.com
etsystatic.com
yahoo.com
pphosted.com
amazonaws.com

Answer 1

您可以使用 Get-Content 将每一行读入字符串数组中，使用 Split() 在 "." 上拆分，使用 [-2,-1] 获取最后两项，然后使用 -join 将数组连接起来。 。然后，我们可以使用 -Unique 从 Select-Object 检索唯一项目。 .

Get-Content -Path .\database_export.txt | ForEach-Object {
    $_.Split('.')[-2,-1] -join '.'
} | Select-Object -Unique

或者使用Select-Object -Last 2 获取最后两项，然后通过管道传输到 Join-String .

Get-Content -Path .\database_export.txt | ForEach-Object {
    $_.Split('.') | Select-Object -Last 2 | Join-String -Separator '.'
} | Select-Object -Unique

输出:

youtube.com
ziprecruiter.com
etsystatic.com
sparkpost.com
yahoo.com
pphosted.com
amazonaws.com