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
➜  ~ 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

0 d. {6 e( S0 n; E5 [[email protected]:7fc2ce488
[email protected]:669e7d715e402b5b3
[email protected]:12ebcb4d
/ Q% o% A4 ]: i& q& `- x4 z/ 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
' W9 O- L7 S& n* R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
" k$ {. K; F+ F# ]  `# b: d) k[email protected]:12ebcb4d
6 h* w. p7 V' n; n: F" u[email protected]:c06fc72f7d010
' k/ d- j$ B$ 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
:7fc2ce488
% n' p3 q. M/ `0 ^& Q% }:669e7d715e402b5b3
4 ~% A$ b5 K, M0 k' Q9 b+ p:12ebcb4d

那好办啊
正则表达式：:.*
* ]5 H* i/ c0 l替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
6 Q& R* [( z7 c% K$ F那好办啊
正则表达式：:.*
替换为空白就可了

8 G) C- d0 c. @2 ~1 J; n/ D$ X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
6 x$ j& u! y/ N5 W) I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
% \- r" t  e1 D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？

: y3 j2 q( k" ]9 A7 ^- M& ]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.+_]+\. ...

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
3 w5 i1 F$ v- C- Y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 ...

7 {/ s% o* e2 |' Z6 g0 U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
! J8 |$ Q: m2 g, ?# B/ O200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
& i# c  a! Y! f# \# z  b300:[email protected]:FKIFHFHFHFJDFJFN
& a/ o( w( O% B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
/ t8 j, l) |: g& y4 z100:asdffg@gmail. ...

: V# V# Q# c: W) l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。
0 y+ Y5 t0 g0 Y1 X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。
" m  p$ b% c# @5 S剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。