求助从大文本中提取邮件地址

affempire

bjzhush 发表于 2017-12-4 00:39
0 X$ ~/ f6 e& ]- {- A; _# c( b花了几分钟帮你写了下
- e( W+ F: C  J例如源文件为这个txt
* A- X: K& }8 F9 S6 V➜  ~ 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
6 c  U* J: A5 @2 g7 AEmEditor（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， ...

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

3 J& e' c) t$ J[email protected]:7fc2ce488
[email protected]:669e7d715e402b5b3
1 h. R: {5 @' t4 I: ^& N  a[email protected]:12ebcb4d
: W6 I* V$ L1 d/ e[email protected]:c06fc72f7d010
; O9 m- B+ |( ^+ a8 j* ]8 t2 N  s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
5 M& K/ I* R* o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。 ...

: i2 q- p& z% V* B" }. {[email protected]:7fc2ce488
) H/ Z' v: g' O! S! {1 a$ x[email protected]:669e7d715e402b5b3
% ]5 F+ p, w7 @7 ^6 m% g" c" r[email protected]:12ebcb4d
# z& q8 G1 l7 t. Q) K[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
- d+ ~6 s; v' t. Z; @' m9 v: E9 {:7fc2ce488
:669e7d715e402b5b3
:12ebcb4d

- G- ?5 I1 z( p; g# d2 l那好办啊
8 z) s  l. w+ V9 G( @0 n正则表达式：:.*
替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
4 t8 m+ w, E& Z那好办啊
正则表达式：:.*
替换为空白就可了

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
5 r& E( W2 C( z* p% W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
* [# C: s, I. l! K1 `8 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？

( |5 m- j5 }! o9 e* M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 ~3 P, H5 u+ r) }; d, ^  {简单的问题复杂化了。
, ?4 f7 d/ y$ N% m( T+ Q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! W, k( P  c4 X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
0 P( X' P$ q/ R5 `9 w2 s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 ...

! a9 l+ S3 s" N! n2 T' G  Z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 b: d7 ~& D) ]) w( S# R$ ]100:[email protected]:SGSDGKDGMDGKKKKKJJ
200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
300:[email protected]:FKIFHFHFHFJDFJFN
" r1 w* b. |) W& m1 ~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. ...

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。
0 I* J% ^- b4 L9 f/ c' e, Y第一步：^.*?:，替换为空白，去掉了首部。
第二部：:.*，替换为空白，去掉了尾部。
% W+ U( y4 S5 g7 h1 D剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。
" F, S6 q& Q/ x1 E: ?8 |5 z4 [9 d" G2 Y