求助从大文本中提取邮件地址

affempire

bjzhush 发表于 2017-12-4 00:39
; |! x# _# X( d3 f$ _8 t8 f3 N花了几分钟帮你写了下
9 D' J9 ~% E( b! V( A$ m0 p; ~例如源文件为这个txt
➜  ~ cat x.txt

/ [4 z: t2 Z' m) [% g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， ...

, \- `. v0 H& _0 F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

[email protected]:7fc2ce488
[email protected]:669e7d715e402b5b3
2 M0 @7 d0 U3 o6 w% |[email protected]:12ebcb4d
& I1 J" }8 s) b8 V7 `. z* Z3 U# I[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
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
, Z/ w4 M# B, q9 u[email protected]:669e7d715e402b5b3
" h. M2 `) Y& Q5 ~/ Y, 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

alibaba

affempire 发表于 2017-12-4 15:12
:7fc2ce488
:669e7d715e402b5b3
$ u: |0 N, B8 L:12ebcb4d

. v6 Z% V  j% f那好办啊
正则表达式：:.*
. W5 t- K$ r& t9 |. y替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
那好办啊
2 e' I0 o2 h6 O6 Z! W# i9 U正则表达式：:.*
4 W1 N. B/ j& L1 D, D! R/ R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
! K! b5 A! C! G/ i) g0 ?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
6 @8 z' O) j4 G# n: c9 u' w1 e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。
0 L& i0 X6 e, {3 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
2 J! |( v# ~7 R( e/ i) s6 ?9 l, \简单的问题复杂化了。
% K- d: S# q6 b7 q: S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 ...

6 r9 ^. y% E1 [9 g% f6 @5 X( 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
" Z1 ^! X( ^% U" e7 g200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
1 T& f" U& s6 K( y2 g$ p300:[email protected]:FKIFHFHFHFJDFJFN
我要想提取中间的email那么正则该怎么写呢？？
/ o$ l+ O  W5 x, ~$ R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
4 J& x: S8 s8 x! L2 U8 n  P100:asdffg@gmail. ...

- R& Z7 @  c! L" G( b7 |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。
( r* h  a4 ~& H第二部：:.*，替换为空白，去掉了尾部。
+ e' G% I3 v& k: E/ I* m" r剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。
( D# d0 Q1 H+ U, H% }
% I+ N  I% T& w$ a9 f
" Q# ~1 O  \6 _* }( e/ \3 ]* H+ s# P