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
5 o: q, w  G$ }" _- o例如源文件为这个txt
/ ]* `: H/ Z2 D, n' _" o➜  ~ 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， ...

% A5 D* o1 l: d. D- g/ E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 t/ a" A" V6 F) ]$ P
[email protected]:7fc2ce488
9 u2 `1 r% |1 t4 Q4 K  Y3 e6 {# u[email protected]:669e7d715e402b5b3
. A8 \" H  G- f. Z" @[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
! ^2 q8 l, ^/ C5 G  ^% 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
[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
$ P& o. q* A" z:7fc2ce488
:669e7d715e402b5b3
:12ebcb4d

那好办啊
" i8 \( H( G3 {1 V6 {* N正则表达式：:.*
+ [  n& D& ~% q  }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：:.*
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？

6 x* C, Z1 A/ s* M不送几个积分吗？哈哈哈哈

alibaba

affempire 发表于 2017-12-4 17:24
' q8 }! C: o: v  L- M# Y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。
1 N  o. V8 l* 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
6 b) {* p7 l' Z4 y! q简单的问题复杂化了。
- M: L/ a" y) j$ X6 K( f1 q2 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 ...

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
( ~( R" a% c8 X& Q7 @" d200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
* d2 X2 Q- Q* a& v3 W300:[email protected]:FKIFHFHFHFJDFJFN
. G% [, l& t  L3 U& O0 U我要想提取中间的email那么正则该怎么写呢？？
9 M' f" X( D9 ^6 X# ?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
( {  }- S# [3 g, E$ g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. ...

  ?$ _8 a9 z8 y9 I) Y( c2 s) _% {" B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。
! t' a/ w, n3 A7 H5 J6 H5 M第二部：:.*，替换为空白，去掉了尾部。
: ^9 M# G8 v. L剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。
) }7 z& w- s. d7 u' z" U% V# P
3 m$ R! ^- d% c, a! W. X" S* `
  G( d. W: X$ X+ }* w