Tente algo como:
egrep -o '[0-9A-Za-z_-]+\.(com|org|net|de)\b'
Deve ser bastante fácil ajustar os caracteres permitidos antes do TLD e a lista de TLDs reconhecidos de acordo com o seu gosto.
Eu tenho um arquivo que contém várias informações diferentes de maneira não formatada. Fui solicitado a criar uma lista de todos os nomes de domínio .com, .org e .net .de mencionados no texto. Cada entrada deve conter apenas o domain.extension (stackexchange.com NÃO link ) e só deve aparecer uma vez na lista.
Aqui está uma amostra dos dados:
230 User astalavista.com logged in.
Remote system type is UNIX.
Using binary mode to transfer files.
ftp> ls -la
227 Entering Passive Mode (212,254,194,163,2,188)
150 Opening BINARY mode data connection for 'file list'.
dr-x------ 1 root users 4096 Jun 4 06:13 astalavista.com
226 Transfer complete.
ftp> cd astalavista.com
250 CWD command successful.
ftp> ls -la
227 Entering Passive Mode (212,254,194,163,2,189)
150 Opening BINARY mode data connection for 'file list'.
-rw-rw-rw- 1 astalavista.com users 23410936878 Apr 29 22:10
09-04-28-astacom_full.tar
-rw-rw-rw- 1 astalavista.com users 20617651590 Apr 29 14:18
09-04-28-astacom_full.tar.bz2
-rw-rw-rw- 1 astalavista.com users 88287111 Apr 29 15:57
09-04-29-astacom_sql_full.sql.tar.bz2
-rw-rw-rw- 1 astalavista.com users 26413034040 May 2 00:21
09-05-01-astacom-Public_HTML.tar
rw-rw-rw- 1 astalavista.com users 277843549 May 1 17:29
09-05-01-astacom-SQL_Dump.tar
[snip]
226 Transfer complete.
ftp> mdelete *
ftp> ls -la
227 Entering Passive Mode (212,254,194,163,2,193)
150 Opening BINARY mode data connection for 'file list'.
226 Transfer complete.
ftp>
Até agora usei o egrep para encontrar todas as ocorrências de .com, .net, .org, .de.
egrep '\.\de|\.\com|\.\org|\.\net' hacklog1
Estou tentando usar o sed para remover o restante dos dados indesejados sem sucesso. Alguém poderia sugerir uma sintaxe de comando para me ajudar.
Tags grep text-processing sed