求助从大文本中提取邮件地址

affempire

bjzhush 发表于 2017-12-4 00:39
. {5 R4 \0 M/ V9 x4 f+ L7 ^花了几分钟帮你写了下
例如源文件为这个txt
➜  ~ cat x.txt

/ A! n! ]% S0 E: q3 z5 u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
( S  \( \! U5 aEmEditor（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

6 q2 g7 x7 z$ |# t+ q2 i% {4 y: ^# t) I
: O/ G5 s) j, s2 N9 X/ o[email protected]:7fc2ce488
[email protected]:669e7d715e402b5b3
[email protected]:12ebcb4d
[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
4 ]) K( d9 _6 M6 K3 c7 f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。 ...

7 M' l6 q$ G$ U1 f* |! K! ?[email protected]:7fc2ce488
[email protected]:669e7d715e402b5b3
1 B( ~$ _, r; ~[email protected]:12ebcb4d
6 G- ]" O7 W+ |) n8 |5 P[email protected]:c06fc72f7d010
) B2 j* H6 X0 Q: Q; r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
- B! {) }) b* S6 ?8 s:669e7d715e402b5b3
:12ebcb4d

6 r& r; o9 b& q6 L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
& L8 X" |+ O, M. f+ S3 e, c5 T那好办啊
# U- c% v' {) t$ c正则表达式：:.*
4 ?1 J7 i6 N% {# H! X# ~替换为空白就可了

: v7 f1 `$ w$ A* b8 j$ b% e& a5 S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？

2 ?) Z9 c4 y8 [% B" ^9 p) p3 k' f* f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？

4 |" V. G7 @& F! \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.+_]+\. ...

& t0 U0 K. s/ }) L2 f5 b简单的问题复杂化了。
5 r/ _+ @' L" g4 r( U% d+ T+ w8 i9 _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。
" x  S* \5 X% }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。
- e4 M6 i/ f7 c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
' C: Z% j, p9 m4 N+ p2 J100:[email protected]:SGSDGKDGMDGKKKKKJJ
200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
; t5 P# g6 L; S) [9 V# u. p300:[email protected]:FKIFHFHFHFJDFJFN
* P4 R' r' w* K+ {# `8 ?我要想提取中间的email那么正则该怎么写呢？？
- [: d& z4 _( ^6 p5 B, a. Y9 `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
$ u! y- }. O- i0 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
$ }5 W2 s" u4 i% J( n7 @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。
( u* S3 F. x1 E( ^7 ^# M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。
! [$ m0 k& g( H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。
$ j2 l: X, p, [0 z( g剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。
! v; C1 q; K5 p* c: ]1 h4 s
" n& Q1 ]" \9 I" K3 ^. G  o2 _