求助从大文本中提取邮件地址

affempire

bjzhush 发表于 2017-12-4 00:39
花了几分钟帮你写了下
+ g, b8 c, U' b3 M& M- n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
; k: u0 {! i7 G6 K4 ~, b& {; l2 SEmEditor（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

; R; e" R/ g% H
( Z2 a1 z1 R  O; s' A' x4 }[email protected]:7fc2ce488
, h$ ]0 M7 u/ q4 T' T[email protected]:669e7d715e402b5b3
[email protected]:12ebcb4d
* x) Q( M6 R3 k- ?7 n* t' Z[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。 ...

5 C! I6 R6 |/ y6 o: R[email protected]:7fc2ce488
9 O+ ~3 y+ ^& u- g[email protected]:669e7d715e402b5b3
6 ]' y& i/ H0 G8 E: r3 W[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
! |1 f$ I7 m) s9 n  C0 f:7fc2ce488
:669e7d715e402b5b3
:12ebcb4d

- Q1 U* Q6 Z5 y; \那好办啊
7 v! A) J; o; D8 ]) G正则表达式：:.*
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 H$ T  k  k$ |  X# C" E6 u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
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.+_]+\. ...

/ g% E) z5 M" [' I: H, w! |* M  v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。
! L. a7 y% q0 b( 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 ...

' f( i& n* R* j& Q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
* W; a/ a$ f& p1 j+ k* F100:[email protected]:SGSDGKDGMDGKKKKKJJ
200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
9 ?; b# O8 P9 O300:[email protected]:FKIFHFHFHFJDFJFN
" R3 m: F6 R! u! r, A我要想提取中间的email那么正则该怎么写呢？？
3 D6 e4 Z- o# s! z* x1 s7 a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
- }2 l, E. x7 T/ p$ r+ x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
8 \; ]! A* [7 B7 D! }, P' Z0 o$ O100:asdffg@gmail. ...

0 ^3 h: S+ j4 F5 h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。
. W, p( B: |; ~* [4 n' w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。
5 b, ~; k) ]7 U  W* Y3 Q+ H
! Y% Y& l/ N9 z
& C' X3 R* b; V: }7 ]3 f