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
% A6 F; }& q, y: r4 c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
9 ~: `* O, |; n& T/ @7 F! v[email protected]:669e7d715e402b5b3
[email protected]:12ebcb4d
[email protected]:c06fc72f7d010
1 w3 ~, y+ h8 o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。 ...

# I8 Z8 V! }3 ?$ Z1 O% j! V[email protected]:7fc2ce488
0 Z3 s7 _/ p$ {4 b1 O, @3 d[email protected]:669e7d715e402b5b3
! S8 a% i& m6 G% }! @/ R[email protected]:12ebcb4d
* b# t" y% U& i[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
:7fc2ce488
:669e7d715e402b5b3
:12ebcb4d

9 e8 f4 K' ^8 }" @) d  c7 `' P那好办啊
正则表达式：:.*
替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
那好办啊
正则表达式：:.*
  Z: L3 @" U! v- z# S替换为空白就可了

$ X  T1 z/ _0 f5 J/ D9 f+ ~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
. A* x% F2 k! i! y$ o* z' 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？

7 j. `  I$ V6 a+ x6 L6 k( _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
4 s9 I3 g+ r8 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？

不送几个积分吗？哈哈哈哈

alibaba

affempire 发表于 2017-12-4 17:24
3 s3 x8 f4 \' t1 r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。
  ~+ z/ H4 _1 l0 _4 Z/ j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。
5 t) ]: A. x! S9 y  J1 S3 V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
  C" _0 Q+ c1 k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 ...

# n2 e% j4 |6 j8 [% N2 C. I0 v& t9 A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
300:[email protected]:FKIFHFHFHFJDFJFN
: Z& y/ i- t; B, ]8 u0 S3 y我要想提取中间的email那么正则该怎么写呢？？
* w" y5 Z( V6 l6 f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
$ n" h, D( R2 [& z0 W' h: V! n$ d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
% \6 u; i4 {9 q7 D  R  s! _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。
第一步：^.*?:，替换为空白，去掉了首部。
! B5 }3 n- F1 T, ^第二部：:.*，替换为空白，去掉了尾部。
( [& y+ w# p4 S% C4 V! J剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。

# q* Y: X/ O0 u! E  n& x
% V0 A" A/ z7 C* h7 G