用于从列表中的根域中删除子域的正则表达式 - Notepad++ 或 Gvim

Question

我有一个存储在 .txt 文件中的 URL 列表（我使用的是 Windows 7）。

URL 的格式是这样的：

somesite1.com
somesite2.com
somesite3.com
sub1.somesite3.com
sub2.somesite3.com
sub3.somesite3.com
sub1.somesite3.net
sub1.somesite1.org

在notepad++中，有一个选项可以使用“用正则表达式查找替换”，并且我相当确定gvim允许用户使用正则表达式（尽管我不完全确定如何在Gvim中使用它们）。

无论如何，我不知道要在查找和替换框中放入什么，以便它可以遍历文件的内容并只留下根域。如果操作正确，上面的示例列表将变成这样：

somesite1.com
somesite2.com
somesite3.com
somesite3.com
somesite3.com
somesite3.com
somesite3.net
somesite1.org

有人可以帮我吗？

Answer 1

对于 Vim 来说有几种方法（尾部斜杠也是可选的）：

:%s/^.\+\.\ze[^.]\+\.[^.]\+$//
:%s/^.\+\.\([^.]\+\.[^.]\+\)$/\1/

另请参阅:help /\ze等\ze，它们\zs是 Vim 特定的并且非常有用。在 Vim 和 PCRE 中，还有有用的前瞻和后瞻断言。

我相信 Notepad++ 使用 PCRE；查找^.+\.([^.]+\.[^.]+)$并将其替换为\1应该可以（但我不使用 Notepad++）。

请注意，这不适用于使用第三级注册的国家/地区代码顶级域名 -example.com.au将转换为com.au. 然后有些国家/地区在某些规则下使用二级或三级注册...如果您关心这些情况，您将需要更多规则，并且完整的解析器将比正则表达式更简洁（尽管一如既往）使用正则表达式是可能的）。