求助从大文本中提取邮件地址

affempire

bjzhush 发表于 2017-12-4 00:39
% `' W, n6 |" P, B花了几分钟帮你写了下
4 a  r" B3 b/ e# [8 Q2 z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， ...

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
2 J- E* J# E! ^7 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

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
. v# i6 t/ i% y$ Z3 g[email protected]:12ebcb4d
[email protected]:c06fc72f7d010
* ?! U  ]& ], J1 L( S, i7 a4 ^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
" W! o$ `3 c8 i& B% M, ]: {:7fc2ce488
:669e7d715e402b5b3
:12ebcb4d

那好办啊
正则表达式：:.*
3 V# X+ G1 o8 S0 m$ |4 E2 Q8 |替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
那好办啊
& K2 e# m; |3 |& x2 l# n- ]) e$ Z正则表达式：:.*
7 ^( f9 L; V2 i9 T* }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
: A2 L; L8 z8 b4 K  k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？

/ ?: U* h% M# `) o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？

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.+_]+\. ...

# I1 ^; j! A! i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。
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
' Y) ]# b& u! O8 T$ ~5 P) g3 J简单的问题复杂化了。
* I, {+ H# @7 a/ M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 ...

- p9 I4 N! U" @- N5 F1 P* _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
200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
! w" D6 S4 N, W0 W7 h' v300:[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
7 x9 _9 I# f/ A) t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
+ |* J2 r- t3 Y! [4 O. A3 s% n; X100:asdffg@gmail. ...

, a5 p, k9 N6 h( V# t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 ~9 _$ g/ b( O第一步：^.*?:，替换为空白，去掉了首部。
6 R' o. n+ i7 n6 _" T) o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。
; u. {& Q" b( ?. f. A
( }& D* P- G% ~/ k- p) n% d
3 o" H2 ^& B1 J; I4 y