¿Existe una mejor manera de ordenar y agrupar dominios y subdominios? Por ejemplo, el archivo list
que contiene
morefu.sub1.foo.com
www.foo.com
bar.foo.com
sub1.foo.com
fufu.isub1.foo.com
foofoo.bar.foo.com
morefoo.bar.foo.com
fufu.sub1.foo.com
usando
for i in $(grep -oP '(\w+).foo.com' list | sort | uniq); do grep $i list | sort; echo; done
casi funciona:
bar.foo.com
foofoo.bar.foo.com
lotsmorefubar.bar.foo.com
morefoo.bar.foo.com
fufu.isub1.foo.com <-- should not be here
fufu.sub1.foo.com
morefu.sub1.foo.com
sub1.foo.com
www.foo.com
a excepción de fufu.isub1.foo.com
que debería estar en una sección aparte. Agregar ^
y \b
a la expresión grep no ayudó.
¿Se pregunta si existe una forma más precisa y eficiente de hacer esto?
Respuesta1
Qué tal si
tr -d [:blank:] < hosts | # remove trailing whitespace
perl -lne 'print join ".", reverse(split /\./)' | # reverse order of fields
sort | # sort
awk -F. '
!seen[$1.$2.$3]++ && NR>1 {print ""} # insert blank line when tld,dom,sub change
{for (i=NF;i>1;i--) printf "%s.", $i; print $1} # print fields in original order
'
donación
bar.foo.com
foofoo.bar.foo.com
morefoo.bar.foo.com
fufu.isub1.foo.com
sub1.foo.com
fufu.sub1.foo.com
morefu.sub1.foo.com
www.foo.com
Mejor (espero) implementación del mismo algoritmo, usando unhash de hashesen Perl:
#!/usr/bin/perl
use strict;
use warnings;
my %domains = ();
while (defined($_ = <ARGV>)) {
chomp $_ ;
$_ =~ s/\s+//;
my @F = reverse(split(/\./));
my $domain = join(".", @F[0..2]);
if ( ! exists($domains{$domain}) ) {
$domains{$domain} = {};
}
$domains{$domain}{join(".", @F)}++;
}
foreach my $domain (sort keys %domains) {
foreach my $host (sort keys %{ $domains{$domain} }) {
print join(".", reverse(split(/\./, $host))), "\n";
}
print "\n"
}
Respuesta2
TXRCeceo:
[(opip (mapcar (op tok-str @1 #/[^.]+/))
(sort @1 : reverse)
(partition-by (ret [@1 -3..-1]))
(mapcar (op mapcar (op cat-str @1 ".")))
(interpose "")
tprint)
(get-lines)]
Correr:
$ txr domain-sort.tl < data
bar.foo.com
foofoo.bar.foo.com
morefoo.bar.foo.com
fufu.isub1.foo.com
sub1.foo.com
fufu.sub1.foo.com
morefu.sub1.foo.com
www.foo.com
Básicamente, tokenizamos las líneas en listas de cadenas como ("sub1" "foo" "com")
y trabajamos con una lista de ellas. Ordenamos esta lista usando el reverso de sus elementos como clave; por lo que, a los efectos de la clasificación, ("sub1" "foo" "com")
se trata como si lo fuera ("com" "sub1" "foo")
. Después de eso, es cuestión de agruparse. Esto se logra fácilmente usando partition-by
, utilizando los últimos tres elementos como clave de partición. Tenemos que reconstituir las cadenas uniéndolas con un punto e imprimir los grupos con líneas. Esto último se logra insertando una cadena vacía entre los grupos y dejando que tprint
haga su trabajo.