我有这样的txt文件：
ххх.prontube.ru
salo.ru
bbb.antichat.ru
yyy.ru
xx.bb.prontube.ru
zzz.com
srfsf.jwbefw.com.ua
尝试使用此类正则表达式删除所有子域：
Find: .+\.((.*?)\.(ru|ua|com\.ua|com|net|info))$
Replace with: \1
收到：
prontube.ru
salo.ru
antichat.ru
yyy.ru
prontube.ru
zzz.com
com.ua
为什么最后一行变成com.ua而不是jwbefw.com.ua？
这无需环顾四周：
查找：[a-zA-Z0-9-.]+\.([a-zA-Z0-9-]+)\.([a-zA-Z0-9-]+)$
替换：\1\.\2
它会找到至少有 2 个句点并且在最后两个句点后面只有字母、数字和破折号的东西；然后它用最后两个部分替换它。在我看来，更直观。
那个领导有一些有趣的事情发生xxx。它似乎不是纯 ASCII。为了这个问题，我假设这只是这个网站的有趣之处，并不代表您的真实数据。
有趣的是，我之前在这里有一个不正确的答案，积累了很多赞成票。所以我认为我应该保留它：
查找：[a-zA-Z0-9-]+\.([a-zA-Z0-9-]+)\.(.+)$
替换：\1\.\2
它只是找到一个至少包含 2 个句点的主机名，然后用第一个点之后的所有内容替换它。
.+零件尽可能匹配。尝试.+?改用，它将捕获尽可能少的内容，从而允许com.ua选项匹配。
.+?\.([\w-]*?\.(?:ru|ua|com\.ua|com|net|info))$
这个答案仍然使用原始问题正在查看的特定域名。由于某些 TLD（顶级域）中有一个句点，理论上您可以拥有一个包含多个子域的列表，如果它适用于您的数据集，则在正则表达式中将 TLD 列入白名单是一个好主意。当前的两个答案（从 2013 年开始）都无法正确处理“xx.bb.prontube.ru”和“srfsf.jwbefw.com.ua”之间的区别。
下面是为什么这个 psnig 的原始正则表达式没有按预期工作的快速解释：
这+是贪婪的。
.+将在捕获所有内容的行尾一直拉到右边，然后向后（向左）从这里寻找匹配项：
(ru|ua|com\.ua|com|net|info)
使用srfsf.jwbefw.com.ua正则表达式引擎将首先失败匹配a，然后它将标记向左移动一个位置以查看“ua”此时，ua正则表达式（第二个选项）是匹配的。
引擎不会继续寻找“com.ua”，因为“.ua”满足了该要求。
Niet the Dark Absol 的回答告诉正则表达式“懒惰”
.+?将匹配任何字符（至少一个），然后尝试找到正则表达式的下一部分。如果失败，它将推进令牌，.+再匹配一个字符，然后再次评估正则表达式的其余部分。
.+? 最终将消耗：srfsf.jwbefw在匹配句点之前，然后匹配com.ua。
但是， 的实施?也会产生问题。
添加问号会首先使 .+ 变得懒惰，但随后会导致 group1 匹配bb.prontube.ru而不是prontube.ru
这是因为 bb 之后的第一个时期将匹配，然后在第 1 组内(.*?)将匹配bb.prontube。\.(ru|ua|com\.ua|com|net|info))$比赛前.ru
为避免这种情况，请将第三组从 更改为(.*?) ，([\w-]*?) 这样它就不会捕获。只有字母和数字，或破折号。
结果正则表达式：
.+?\.(([\w-])*?\.(ru|ua|com\.ua|com|net|info))$
请注意，您不需要捕获除第一个之外的任何组。添加 ?: 使 TLD 选项不被捕获。
最后一次变更：
.+?\.([\w-]*?\.(?:ru|ua|com\.ua|com|net|info))$
搜索内容：.+?\.(\w+\.(?:ru|com|com\.au))
替换为：$1
看上面的图片，什么正则表达式捕获指的是
它的颜色，你将不再需要正则表达式解释......
