求助从大文本中提取邮件地址

affempire

bjzhush 发表于 2017-12-4 00:39
& ~6 G" c0 n, `; r花了几分钟帮你写了下
例如源文件为这个txt
' O( U+ M8 \3 N; e➜  ~ 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
' g9 y. f2 h( ^" K4 w: |% d3 [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

5 P4 ]' c3 c# ]+ v' m8 W3 T
5 L" \& U" K' x8 m% d" \[email protected]:7fc2ce488
[email protected]:669e7d715e402b5b3
& x& i8 j6 |5 m8 R[email protected]:12ebcb4d
[email protected]:c06fc72f7d010
0 o$ [. v+ W' b9 [8 B" J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
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。 ...

+ Y; x; @5 ?, ]# @4 f/ @! r[email protected]:7fc2ce488
[email protected]:669e7d715e402b5b3
" ~5 y! c' J* R  a" @8 F4 d) s[email protected]:12ebcb4d
6 B7 n" |9 @# Y) L" M8 [[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
:669e7d715e402b5b3
/ {8 Z% G$ ~( V& U/ j$ l0 S:12ebcb4d

1 `$ i( B3 ]0 I1 }6 `4 Y& p那好办啊
正则表达式：:.*
% l! N7 m6 R9 ~# o0 Y! O替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
& H3 r9 W9 j4 p2 [  m8 o. l" N那好办啊
% K( {' Z7 m6 @" _正则表达式：:.*
: n- V+ J! D: H, K4 F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
7 W9 A  x: S' `, w) g3 m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？

0 @3 L! G+ R$ n& L/ Z5 ~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？

5 Y) k/ r3 \7 ]; f) N5 }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
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 Q$ l) _- I0 u. e: J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
200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
; R4 ?* A, U4 r& T* V: T/ E9 z300:[email protected]:FKIFHFHFHFJDFJFN
9 j$ Q6 U# L4 f: J, N4 S6 V6 I( W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
* U4 h0 s# |( d5 \1 O  r% b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. ...

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。
8 c3 c2 \, b0 V7 Y! G4 u! ^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。
% i. f$ }! c4 b% n第二部：:.*，替换为空白，去掉了尾部。
1 e2 P8 ^- z& {" G/ I; L2 v剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。
2 s! w3 D. ^! u' C: ~
) ?' O5 b7 E' j$ I6 C# E