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
接收：
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？
【问题讨论】：
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 个句点且最后两个句点后面只有字母、数字和破折号的内容；然后它用最后两个部分替换它。在我看来，更直观。
领先的xxx 发生了一些有趣的事情。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
它只是找到一个包含至少 2 个句点的主机名，然后将其替换为第一个点之后的所有内容。
【讨论】：
.+ 部分尽可能匹配。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。
【讨论】：
.+?\.([\w-]*?\.(?:ru|ua|com\.ua|com|net|info))$
此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。
下面简要解释了为什么这个 psnig 的原始正则表达式不能按预期工作：+ 是贪婪的。
.+ 将在行尾一直拉到右边，捕获所有内容，
然后从这里向后（向左）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无法匹配a，
然后它将令牌向左移动一位以查看“ua”
此时，正则表达式（第二个选项）中的ua 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），然后尝试查找正则表达式的下一部分。如果失败，它将推进标记，.+ 再匹配一个字符，然后再次评估正则表达式的其余部分。
.+?最终会消耗：srfsf.jwbefw在匹配句点之前，然后匹配com.ua。
但是? 的暗示也会产生问题。
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 之后的第一个句点将匹配，然后组 1 内的 (.*?) 将匹配 bb.prontube。 \.(ru|ua|com\.ua|com|net|info))$ 之前匹配 .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。
生成的正则表达式：.+?\.(([\w-])*?\.(ru|ua|com\.ua|com|net|info))$
请注意，您不需要捕获除第一个组之外的任何组。添加 ?: 使 TLD 选项不被捕获。
上次更改：.+?\.([\w-]*?\.(?:ru|ua|com\.ua|com|net|info))$
【讨论】：
搜索什么：.+?\.(\w+\.(?:ru|com|com\.au))
替换为：$1
看上图，正则表达式捕获指的是什么
它的颜色就像你不再需要正则表达式解释一样......
【讨论】：