求助从大文本中提取邮件地址

affempire

bjzhush 发表于 2017-12-4 00:39
. p+ s) M( U& j, y3 C$ @: Q& V" X花了几分钟帮你写了下
: N+ a0 _5 r% D1 n$ t% x9 h3 q5 T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， ...

  K' ?7 K( ^/ E; {6 D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

  v0 k/ G+ O  s0 J. h[email protected]:7fc2ce488
[email protected]:669e7d715e402b5b3
  B2 Q" r* }4 _6 d3 f: p/ i3 T[email protected]:12ebcb4d
[email protected]:c06fc72f7d010
4 {, [( c' w3 T: T8 s4 D/ L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
6 V' U* @1 p0 T: 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。 ...

) ]4 r/ \; K& N3 p[email protected]:7fc2ce488
+ s. `# L2 M7 G& ]3 j9 O6 P[email protected]:669e7d715e402b5b3
) R8 D6 U( I+ E[email protected]:12ebcb4d
/ g; }9 l2 q3 ~, n+ S[email protected]:c06fc72f7d010
) ^3 u: y- Q- O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
/ H8 i, ^$ P+ P# T:669e7d715e402b5b3
:12ebcb4d

7 `) h; D3 S7 ^- Q' K; o; Z那好办啊
正则表达式：:.*
- B+ N2 M3 c) Z* t! Q替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
那好办啊
3 G; g, `' E+ J正则表达式：:.*
4 A% x* ^: L! B' l% l. R* l* F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
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？

$ ?* o3 x9 k. }, d3 a# v- 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？

不送几个积分吗？哈哈哈哈

alibaba

affempire 发表于 2017-12-4 17:24
# b; ~( F4 b& S/ E* r. V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。
" n: i! v+ w/ w( R4 S3 K) h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。
' }2 W( w  O2 q5 K. `; w5 p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。
% g, K# Z, R4 q2 _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 ...

5 ^7 p4 r( j4 c3 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
100:[email protected]:SGSDGKDGMDGKKKKKJJ
( Z* t5 b8 T* \7 l5 V' Y7 B200:[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. ...

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。
  Z, L" I2 G$ f# ], }; _$ z6 @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。
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。


) e5 ^7 u; r0 x$ w, R' c