求助从大文本中提取邮件地址

affempire

bjzhush 发表于 2017-12-4 00:39
花了几分钟帮你写了下
例如源文件为这个txt
& u, X: Y8 F* p( D) w➜  ~ 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 [8 X, d6 n0 {7 mEmEditor（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， ...

: O' z! P) P( ?) m- e1 e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
0 z8 z, ^# F& T5 W2 I[email protected]:12ebcb4d
[email protected]:c06fc72f7d010
* I7 x& a) o: M: I) f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
, S) b+ a# L# a. T: S6 N[email protected]:12ebcb4d
[email protected]:c06fc72f7d010
6 Y5 B. V& R0 @0 v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
3 r- e- W  B8 x! R:7fc2ce488
:669e7d715e402b5b3
' j% K7 ]: k. g2 E. H# I:12ebcb4d

那好办啊
( C! U; X6 }9 a1 t正则表达式：:.*
" k: k6 F, R. w8 f6 A) W替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
" I5 q: g+ m, K2 {& A1 D1 Q, W那好办啊
正则表达式：:.*
3 U  X' ^  F4 L. h% S: H' A替换为空白就可了

7 q; V- S* ?' D2 M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？

+ l. n9 w( ]+ m; G7 ~. G4 D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？

0 n4 ^0 [- w3 _6 S. _, \不送几个积分吗？哈哈哈哈

alibaba

affempire 发表于 2017-12-4 17:24
* E+ v* H6 N) J% c$ K! w6 @- M0 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.+_]+\. ...

& a2 B5 R6 P! o/ a简单的问题复杂化了。
% Y$ K3 k# e  T. d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
+ |+ g  w+ I, W8 ]/ S; `5 s6 V0 e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
% K! N7 b4 v1 u; }  R100:[email protected]:SGSDGKDGMDGKKKKKJJ
# l2 f- P* f+ l200:[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
5 P6 l' ?$ w0 @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。
. G/ o" |4 k! n: N& e: E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。
% r, ~% k" `: J" H; z3 g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。
剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。
. j( ]3 p/ W* Y3 \- R