求助从大文本中提取邮件地址

affempire

bjzhush 发表于 2017-12-4 00:39
' m! j* F/ y" d花了几分钟帮你写了下
; d) C% k# H. n- q7 J. k例如源文件为这个txt
9 _3 B0 N" b$ [' \$ B" P➜  ~ cat x.txt

谢谢大神。你这个脚本处理速度快吗？我3G的文本文件多久能处理完呢？

affempire

alibaba 发表于 2017-12-3 21:25
EmEditor（文本编辑器）。官方说的处理248G的文件也不在话下。然后用正则表达式把非邮箱的字符替换为空白， ...

  q9 f7 j/ z9 g) v0 M大神 我用 正则[-0-9a-zA-Z.+_]+@[-0-9a-zA-Z.+_]+\.[a-zA-Z]{2,4} 绿色高亮了所有EMAIL，问题是我如何给他取反呢？把不是emial的全部替换为空格呢？

alibaba

零宽断言，前后邮箱夹着的那部分就是要替换空白的。不如你发一小段文本上来看看吧。

affempire

! _8 C5 j. _0 C8 {1 P1 Q! Y[email protected]:7fc2ce488
[email protected]:669e7d715e402b5b3
[email protected]:12ebcb4d
[email protected]:c06fc72f7d010
, j8 S( H* c7 r1 U格式就是这样，前面没有前缀了，就是后面带有一串字符

affempire

alibaba 发表于 2017-12-4 14:43
+ v3 F' n7 |& [- C0 d# G4 b零宽断言，前后邮箱夹着的那部分就是要替换空白的。不如你发一小段文本上来看看吧。 ...

[email protected]:7fc2ce488
[email protected]:669e7d715e402b5b3
[email protected]:12ebcb4d
[email protected]:c06fc72f7d010
格式就是这样，前面没有前缀了，就是后面带有一串字符

alibaba

affempire 发表于 2017-12-4 15:12
8 |: K% C+ i- H:7fc2ce488
:669e7d715e402b5b3
:12ebcb4d

那好办啊
" X) Y; Z# V# Z( |8 V  E" d' a正则表达式：:.*
替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
3 C" G/ @: _, Q( a+ v* @那好办啊
% Q+ N$ p) a# _$ e正则表达式：:.*
5 B4 W3 ~( m) g* B& B7 ]% S% _% q: d( G替换为空白就可了

$ i/ V2 y  x+ Z0 e' G8 k3 Y谢谢大神 我这个办法成功了 ，但是我还是想知道怎么反选 ，也就是对[-0-9a-zA-Z.+_]+@[-0-9a-zA-Z.+_]+\.[a-zA-Z]{2,4}这个正则表达式取反

bjzhush

affempire 发表于 2017-12-4 10:43
谢谢大神。你这个脚本处理速度快吗？我3G的文本文件多久能处理完呢？

我估计有个几分钟就足够了，前提是你是SSD

bjzhush

affempire 发表于 2017-12-4 10:43
, `7 {$ s  |9 y8 C3 }谢谢大神。你这个脚本处理速度快吗？我3G的文本文件多久能处理完呢？

) Q5 x* f' k3 W) g不送几个积分吗？哈哈哈哈

alibaba

affempire 发表于 2017-12-4 17:24
谢谢大神 我这个办法成功了 ，但是我还是想知道怎么反选 ，也就是对[-0-9a-zA-Z.+_]+@[-0-9a-zA-Z.+_]+\. ...

# [7 r% W0 J. _1 {2 F- g简单的问题复杂化了。
有时候用正则获取非邮箱部分，和用正则获取非用正则获取的邮箱的部分，就不是一回事。
. I: O$ r; F9 L) y# @; C最好是具体问题具体分析吧，通用性不一定都存在。

affempire

alibaba 发表于 2017-12-5 16:23
简单的问题复杂化了。
) F% g% w2 J% ~* B" \6 r9 F有时候用正则获取非邮箱部分，和用正则获取非用正则获取的邮箱的部分，就不是一回 ...

大神，昨天的事情是一个冒号，用那个正则表达式处理了 ，今天又遇到两个冒号的内容如下
100:[email protected]:SGSDGKDGMDGKKKKKJJ
, U* B9 M- z4 A& S! t1 v200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
3 l/ D+ ^. E% Y" Q, ?1 S: m300:[email protected]:FKIFHFHFHFJDFJFN
+ |, i' J; e! Y; s/ a0 u+ q我要想提取中间的email那么正则该怎么写呢？？
9 }- G# F2 }# N/ ^& _还有EmEditor中好像不能复制粘贴正则选中的内容，要不用这个正则 [-0-9a-zA-Z.+_]+@[-0-9a-zA-Z.+_]+\.[a-zA-Z]{2,4}  可以选中高亮所有enail再复制粘贴

alibaba

affempire 发表于 2017-12-6 14:49
/ R+ Z6 U0 S$ j5 A% x" G大神，昨天的事情是一个冒号，用那个正则表达式处理了 ，今天又遇到两个冒号的内容如下
7 r# B" ~8 q/ O; Y2 J7 r100:asdffg@gmail. ...

你要的是中间部分的邮箱，不一定非得要用正则去匹配邮箱，能达成要求就成。
在这里例子中，分2步走，去掉首尾，剩下的可以不就是邮箱了嘛。
第一步：^.*?:，替换为空白，去掉了首部。
6 q- t9 K0 a5 `" L0 t第二部：:.*，替换为空白，去掉了尾部。
( L5 n: P4 [6 S! g1 q剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。
, b9 x& p! g% d! W4 M- n& R4 S
5 i6 k& ~( k+ I6 H
4 e. _) I$ M' t! @5 J& ~2 w