求助从大文本中提取邮件地址

affempire

bjzhush 发表于 2017-12-4 00:39
+ H) ]4 s2 ?7 R! c" L花了几分钟帮你写了下
9 N# }5 B4 F3 W6 b! c. [2 C例如源文件为这个txt
➜  ~ 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
6 [" ?% y: [2 R! K" a3 n' TEmEditor（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， ...

. M& n* f  ]& z8 x4 |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

: e& ~! _0 P6 w! ]  c( B
[email protected]:7fc2ce488
$ X: V) J+ @/ _2 o; w' i: s[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

affempire

alibaba 发表于 2017-12-4 14:43
+ G: x. F4 a" D) B+ I. t. ^# @" w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。 ...

$ w9 u; p  C3 C+ `$ S' d& ][email protected]:7fc2ce488
$ w0 l4 n# p( D0 E0 z5 b3 O# U% `- n+ p9 ~[email protected]:669e7d715e402b5b3
[email protected]:12ebcb4d
[email protected]:c06fc72f7d010
7 y/ @: U/ u' ~1 Y; g1 S# c/ H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
:12ebcb4d

那好办啊
正则表达式：:.*
% b9 L0 I6 |$ r替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
8 q+ D# J& G$ D) `) q那好办啊
1 [: S; r: K  `, I! p正则表达式：:.*
0 n4 z& g6 a9 Y& q替换为空白就可了

) T0 e0 }" ]  r4 _# Q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
+ A0 C" H3 q8 A% Q& K9 Z, V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？

5 y1 R) U- h- i0 Y/ H7 p$ ~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 ...

; r$ R" y& L, j6 }8 T0 a5 `5 M$ R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
+ s6 ^$ {, [) C200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
$ y2 U7 X& q* {1 v/ [( L300:[email protected]:FKIFHFHFHFJDFJFN
我要想提取中间的email那么正则该怎么写呢？？
  f: {6 N' h& y% r; b7 k" h& S1 f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
; U: X9 t8 B  t0 `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 t/ X- Y/ b* {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。
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。
剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。
# a, [% x2 T% _' T6 A
5 h. a: D4 q' F7 U9 r  s