求助从大文本中提取邮件地址

affempire

bjzhush 发表于 2017-12-4 00:39
9 r. ]% a5 k: I花了几分钟帮你写了下
5 @- D. q6 ~- l* T) _# U6 g例如源文件为这个txt
" l. ~4 _) C2 @) M: R% [➜  ~ cat x.txt

4 k' h( q8 ^8 C) K2 N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

+ B: p. z$ K( C# l: a
' q# c2 a$ ?6 z  X$ ~[email protected]:7fc2ce488
[email protected]:669e7d715e402b5b3
5 j( W( ^$ b6 C) |1 ~% e- t[email protected]:12ebcb4d
; n0 R$ f8 v8 [0 z[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
1 s- H( f. G4 B7 C: E: N1 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。 ...

[email protected]:7fc2ce488
[email protected]:669e7d715e402b5b3
) O( B' {3 j8 b" m: O" B1 |[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

alibaba

affempire 发表于 2017-12-4 15:12
$ i1 L4 e. D8 ^:7fc2ce488
1 n* e9 s7 b  K" l:669e7d715e402b5b3
9 ^. ?/ e* {# c3 v:12ebcb4d

& c( z, F/ ]" p. \0 D( @那好办啊
& t3 ^6 O/ G, }( c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
% Y3 i* X) f2 x: l正则表达式：:.*
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？

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
0 _. P+ V1 f; e6 M; t: ^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。
7 v/ P4 ~* t5 _: K/ F" R" H- R/ |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
) c8 x; F: E; g) w4 T" f; l简单的问题复杂化了。
$ S0 X4 ~. A9 {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
1 `2 F, e) A5 B  B8 b7 e4 R/ k, p100:[email protected]:SGSDGKDGMDGKKKKKJJ
200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
1 a! Q6 ]8 m& h5 C) F5 x6 Q. ^# r300:[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. ...

0 N" @; H. r: r5 s2 ^( @% t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。
; w( g2 m  S' s& @4 J; O+ P6 N8 D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。
8 @3 k3 B: ^! H% |# x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。