求助从大文本中提取邮件地址

affempire

bjzhush 发表于 2017-12-4 00:39
+ m; t# b7 d# _$ z7 `花了几分钟帮你写了下
例如源文件为这个txt
) `7 }3 C1 K" {' g) Y: ^➜  ~ cat x.txt

) m5 j; s6 x* O) {2 P( Z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， ...

5 S- W# C& r+ y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
) ^: N" ^- ?  B[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
; K$ K% m3 ~' o9 B1 g: {[email protected]:669e7d715e402b5b3
[email protected]:12ebcb4d
[email protected]:c06fc72f7d010
) F! J% e8 c2 m& F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
:7fc2ce488
$ g" R$ m4 r* j:669e7d715e402b5b3
:12ebcb4d

9 p) Q) u& p1 F5 Y2 Q, q; {; Z" R那好办啊
% ]% ~' `& C/ X: W8 Y正则表达式：:.*
5 v* J4 ]2 K# [) F  o/ y! e1 s0 U替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
( A! y* b# p6 f+ s0 ?! x那好办啊
正则表达式：:.*
! A, Z& l) O2 b8 M5 X替换为空白就可了

/ m0 R" |5 Z1 ^' L! C" |  Y! C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
; m& O$ \9 ]! x5 ]$ V- B. ?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
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.+_]+\. ...

9 m1 S$ w" n2 O# o$ {. I1 D简单的问题复杂化了。
* Q5 `& I; y8 q: Y) \( b% e  v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。
+ s* \5 G. `0 Y5 `9 n( u0 X- `, n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
) `6 f+ L; I5 x1 ?5 U# q9 A  b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 ...

/ M# k: W% }$ i+ }' b' 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
100:[email protected]:SGSDGKDGMDGKKKKKJJ
  I* z% y% h( Y4 n( v3 k& |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？？
6 m2 }! |" M  K' I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
: @3 R9 c) ^7 u  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
, z; Z& |: p% Z9 l, R1 w7 T4 G100: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。
  }; N# m& f; n! t; I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。
7 [5 T+ K/ E4 a0 [& p第二部：:.*，替换为空白，去掉了尾部。
% N; Z& K/ X; O0 {剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。
# B( P$ r( L  l) R: q0 y  }