求助从大文本中提取邮件地址

affempire

bjzhush 发表于 2017-12-4 00:39
7 l0 J  e) U* f, Q6 m花了几分钟帮你写了下
: }* {3 W) c" x4 G4 c! D: V例如源文件为这个txt
➜  ~ 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， ...

4 b4 `7 c9 k& n7 W4 u& i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

[email protected]:7fc2ce488
[email protected]:669e7d715e402b5b3
[email protected]:12ebcb4d
+ y  e( _1 O" n6 y0 s! S! w[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

affempire

alibaba 发表于 2017-12-4 14:43
2 v- l1 Q" u2 d. e4 V# X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
7 E( K) {: W: j) J% P2 q[email protected]:669e7d715e402b5b3
[email protected]:12ebcb4d
2 r& B7 h- `# c( ~5 s. o% U/ x3 X[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
5 T8 a; Q8 s* @1 N3 W:7fc2ce488
  \/ {8 K( U7 n, l" J6 h:669e7d715e402b5b3
, l# D0 m( N, k, V' @. M:12ebcb4d

那好办啊
正则表达式：:.*
替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
# H+ \" N  J, J! u那好办啊
正则表达式：:.*
替换为空白就可了

: P; i! O0 J" A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
( n) x+ k, r% W. s' j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？

7 n" N5 g2 R# @7 k1 T/ r$ }# C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
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？

- s. ~5 J0 l6 `$ \; N不送几个积分吗？哈哈哈哈

alibaba

affempire 发表于 2017-12-4 17:24
% k0 K) w. l+ G  e! X. l; `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。
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。
# m) {& ]% k& h0 v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。
: j1 K  |0 V7 v6 C7 {1 a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
# o0 ]' b; b# `100:[email protected]:SGSDGKDGMDGKKKKKJJ
/ M7 e7 j/ b/ P9 Z- ]200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
300:[email protected]:FKIFHFHFHFJDFJFN
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
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:asdffg@gmail. ...

- O  H4 l4 Y9 Y3 i% `7 y4 C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。
4 u9 R5 L8 m( [/ I第一步：^.*?:，替换为空白，去掉了首部。
" ]0 M- t/ p% R) q  }+ [# s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。
' ~: C; Z7 P: Z" w, {