Regex 为域部分中的关键字调整URL列表

我在一个文件中有一个很大的URL列表（数百万个）（每行一个），如下所示：

http://someDomain.com/articlex=123&b=23

http://KEYWORDindomain.net/blahblah 

http://anotherKEYWORDindomain.org/blahblah/blip/q=123 

http://blabkkk.org/KEYWORD/blip/q=123

 (etc)

grep '^http://[^/]*KEYWORD'

我想打印出在URL的域部分出现某个关键字的所有URL

前

grep关键字文件
输出
======
http://KEYWORDindomain.net/blahblah
http://anotherKEYWORDindomain.org/blahblah/blip/q=123

我认为这应该很容易grep-able，但很难计算正则表达式。也许我需要通过管道发送几个命令来实现我想要的结果

我得到的最接近的结果是：grep“http://.\？/”

有没有人能用shell命令实现这一点的好方法？

试试看

\b(https?|ftp|file)://[^/\s]*KEYWORD[^/\s]*(?:/[-A-Z0-9+&@#/%?=~_|$!:,.;]*[A-Z0-9+&@#/%=~_|$])?

---

这将匹配一个URL，该URL在第一个斜杠（如果有）之前的部分中包含

关键字
。
最简单的限定表达式是这样的（您相信任何包含http://的内容都是URL的开始，这可能并不总是正确的，但是……：

如果您想使用更多URL前缀，请尝试以下方法：

grep '\<[a-z]*://[^/]*KEYWORD'

正如Tim所建议的，如果您有理由认为您的URL列表可能包含空格（我更喜欢列出空格和制表符的旧方法），您也可以将空格排除在外：

希望这能有所帮助。
thx对于提示，在使其正常工作时遇到困难，以下是我尝试的内容和遇到的错误：mike@mike-桌面：~$grep“\b（https？| ftp |文件）：//[^/\s]*假期[^/\s]*（？：/[-A-Z0-9+&@#/%？=~|$！，.；]*[A-Z0-9+&@#/%=~|$]）？“urls.txt bash:，：无法识别的历史修饰符mike@mike-桌面：~$egrep\b（https？| ftp |文件）：//[^/\s]*假期[^/\s]*（？：/[-A-Z0-9+&@#/%？=~~|$！：，.；]*[A-Z0-9+&@#/%=~|$]）？urls.txt bash:，：使用
--perl regexp
选项的无法识别的历史修饰符try
grep
。另外，我不确定你是否需要加倍反斜杠来逃避它们。
grep '\<[a-z]*://[^/]*KEYWORD'

grep '^http://[^/]*KEYWORD'

grep '^http://[^/ \t]*KEYWORD'