求助从大文本中提取邮件地址

affempire

bjzhush 发表于 2017-12-4 00:39
& F# V: D4 ^3 E6 ^" n花了几分钟帮你写了下
- H! y) ~7 h+ I$ @5 l9 P4 C* x例如源文件为这个txt
6 |; i" ^( u5 Q' X! C3 k➜  ~ 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

' ~% t7 ?( c- l" l3 X3 H
[email protected]:7fc2ce488
[email protected]:669e7d715e402b5b3
7 t0 i+ y# {  N# G9 h, H6 y[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
7 f9 [" Z2 B' x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
2 w; G- N3 D) Y& y! Y+ Z' D[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
& Y* V2 f$ U2 ], v:669e7d715e402b5b3
- z1 y) t8 O$ }:12ebcb4d

1 c0 f/ }& c" |/ ^: y: S0 g5 I8 Y) L那好办啊
8 W; p2 z) n5 O正则表达式：:.*
, j5 @) t/ j3 E: ~9 W替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
那好办啊
; ]/ G6 l' g& O: h正则表达式：:.*
. w! |9 w5 V* N* ?0 ?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
; I% \2 b$ Y1 [. 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？

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
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。
# Q6 W' {! l" g' m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
& F  g6 Y" L, f9 M' U3 A简单的问题复杂化了。
1 q- ]- O2 T' P8 Q4 h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
  ?7 \4 [& `9 d% u3 [$ I2 V) F5 C* `200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
/ b0 C0 Z5 @1 p& y. Q* E300:[email protected]:FKIFHFHFHFJDFJFN
& [# C' ~( I0 Z: _  ?$ V我要想提取中间的email那么正则该怎么写呢？？
) s' h4 l5 C" ]& j* L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
" F3 E, E1 |, Z100:asdffg@gmail. ...

$ O0 A% V* k; D" Z9 p6 L% {( ?, u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。
, i% d  X- P! F  v% w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。
第二部：:.*，替换为空白，去掉了尾部。
' T9 p7 W! K. E/ s0 D剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。
6 F) Z) u# D- |- Y9 N- m. s

9 C; S* O8 C8 T) d