求助从大文本中提取邮件地址

affempire

bjzhush 发表于 2017-12-4 00:39
+ u- I3 ~8 v! l2 C& n; F/ B花了几分钟帮你写了下
4 z1 ^; E5 Q3 S8 q" o例如源文件为这个txt
➜  ~ cat x.txt

6 X5 ^! f+ L% ?) O: p1 h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

* q) l. N6 m- K9 C, K
6 h% j7 X0 j5 M( w$ a$ u( I[email protected]:7fc2ce488
[email protected]:669e7d715e402b5b3
4 M2 H" n* h# {& Z[email protected]:12ebcb4d
[email protected]:c06fc72f7d010
, X( @; U+ T$ V: Z; n2 e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
[email protected]:669e7d715e402b5b3
. v/ R) t# ~1 V+ f[email protected]:12ebcb4d
* P8 w7 H8 n1 q1 ]6 {: D& c% ?5 P+ g[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
' a2 y! `' w; q; |) ]5 {:7fc2ce488
6 _7 E# Z& a; P8 y$ j6 j:669e7d715e402b5b3
( v3 }( n; a$ D0 E:12ebcb4d

- {/ b) p3 k9 ^& Z6 m0 N, ]% ?$ M那好办啊
正则表达式：:.*
! [; z* {4 W$ h# Z4 O" |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

0 B7 A5 e* Z; `; x3 B# 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.+_]+\.[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
: a) a( J; l) r: \" O9 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？

' e& W4 ?+ Y2 {5 p3 H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。
% S/ i$ l" s# n( \0 _3 P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
% d. h6 B. _" x简单的问题复杂化了。
3 d3 N, o, |8 Q3 A  O1 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
: G7 s; b7 @% {1 {! c+ f6 q" y100:[email protected]:SGSDGKDGMDGKKKKKJJ
* `( Y+ a/ s8 K# f; [& M200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
300:[email protected]:FKIFHFHFHFJDFJFN
& l# g4 c- q7 M  o; l5 V8 ?# H$ `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. ...

( l1 m* w) B2 R7 v9 w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。
  x! C5 J1 e1 L8 H$ [- l) o5 z+ [5 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。

8 a" J. q' O  R9 {" I& B; I