Existe uma maneira melhor de classificar e agrupar domínios e subdomínios? Por exemplo, o arquivo list
contendo
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
quase 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
com exceção de fufu.isub1.foo.com
que deve estar em uma seção separada. Adicionar ^
e \b
à expressão grep não ajudou.
Quer saber se existe uma maneira mais precisa e eficiente de fazer isso?
Responder1
Que tal
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 $1} # print fields in original order
'
dando
bar.foo.com
foofoo.bar.foo.com
morefoo.bar.foo.com
fufu.isub1.foo.com
sub1.foo.com
fufu.sub1.foo.com
morefu.sub1.foo.com
www.foo.com
Melhor (espero) implementação do mesmo algoritmo, usando umhash de hashem perl:
#!/usr/bin/perl
use strict;
use warnings;
my %domains = ();
while (defined($_ = <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"
}
Responder2
TXRLisp:
[(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
Basicamente, tokenizamos as linhas em listas de strings como ("sub1" "foo" "com")
e trabalhamos com uma lista delas. Classificamos esta lista usando o inverso de seus elementos como chave; portanto, para fins de classificação, ("sub1" "foo" "com")
é tratado como se fosse ("com" "sub1" "foo")
. Depois disso, é uma questão de agrupamento. Isso é facilmente conseguido partition-by
usando os três últimos elementos como chave de particionamento. Temos que reconstituir as strings unindo-as com ponto final e imprimir os grupos com linhas. Este último é conseguido inserindo uma string vazia entre os grupos e deixando tprint
fazer o seu trabalho.