求助从大文本中提取邮件地址

affempire

bjzhush 发表于 2017-12-4 00:39
5 `* B! Z4 V& |* u! [花了几分钟帮你写了下
! l/ W8 G3 Z  A: ?例如源文件为这个txt
1 j* l4 R+ k, r" X8 A➜  ~ 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
& d8 o/ X6 s* @1 w- bEmEditor（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， ...

7 J' R& o8 k9 @5 j+ ~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

, P+ z6 V& ]3 e; F. p
5 c9 f# i2 w( v2 V) F8 z: R[email protected]:7fc2ce488
6 y+ b0 d3 n& \3 {$ w[email protected]:669e7d715e402b5b3
[email protected]:12ebcb4d
[email protected]:c06fc72f7d010
% F3 V1 N/ J# f1 I. C: l2 W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
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
7 o( x6 J6 X0 ^[email protected]:12ebcb4d
[email protected]:c06fc72f7d010
! o* y: J( Q3 G: t- G+ n; [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
" k/ a! l) ^: z5 P  z:7fc2ce488
:669e7d715e402b5b3
:12ebcb4d

" [- K8 {; y; r) \% A. E8 F7 ?那好办啊
0 W' b1 x8 c% I5 p9 @; J5 c正则表达式：:.*
替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
那好办啊
  Q+ t# _$ B  S2 `正则表达式：:.*
替换为空白就可了

" T. u1 v' |% }8 n! j4 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？

$ Y5 [- @( Z! ?, N4 ^( X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
& L7 R' z; h% h0 t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？

不送几个积分吗？哈哈哈哈

alibaba

affempire 发表于 2017-12-4 17:24
7 \3 t- ~1 O  B3 X4 o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.+_]+\. ...

简单的问题复杂化了。
# \& L* Q! q* M& u5 ^' O, @% a% b( \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。
9 \) k0 u& l, d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。
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
8 g" j2 h, Q! q  B" O200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
300:[email protected]:FKIFHFHFHFJDFJFN
5 ]9 U9 l* Z2 y' m. V; `- G* u我要想提取中间的email那么正则该怎么写呢？？
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
6 |, U& z0 a& E4 V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
/ }; V, j6 @! u4 G) B# M( d100:asdffg@gmail. ...

" k- l. X2 ]: X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。
- E7 h0 ?. I' X6 @8 ^) [第一步：^.*?:，替换为空白，去掉了首部。
" J2 p( _, I; Q: I; R第二部：:.*，替换为空白，去掉了尾部。
剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。
7 X  ~4 I9 G/ e$ `9 g$ a
' v0 \2 s) Y0 N3 k" u! X3 x