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
6 u2 V  e+ K; _( u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
* Q6 n; o3 d+ C. x3 o0 x$ }" P! C$ V/ iEmEditor（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， ...

8 g" y% j. Y2 {) ]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
2 @+ a' t) S( _3 h6 V. o[email protected]:669e7d715e402b5b3
. J$ }* [" g  k* R[email protected]:12ebcb4d
2 w0 O0 r# C/ T  ~: W[email protected]:c06fc72f7d010
% k, F1 ^# e# A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
' [( y) k8 f; X. E% @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。 ...

% T: y  f& G1 v8 x[email protected]:7fc2ce488
[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

alibaba

affempire 发表于 2017-12-4 15:12
:7fc2ce488
:669e7d715e402b5b3
:12ebcb4d

4 `3 j0 _  r9 k4 b那好办啊
  x! w3 s& b, E正则表达式：:.*
& w# Z5 }, d; }% m' I" A替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
2 A3 W' R: m6 o7 M) E那好办啊
0 @( M7 J1 t% Y! u- T正则表达式：:.*
$ n4 P# R" e  U0 |/ X& e替换为空白就可了

% E  r$ S/ O/ }( V. r; Q3 ?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
' |! \1 \9 H" Q; j, D# n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
' N; Z( P( b0 d5 d+ P( w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.+_]+\. ...

: k+ ~. A1 N" R8 x+ X9 F3 _简单的问题复杂化了。
3 g7 ^/ O+ m. d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。
1 D( M1 s- {' r0 D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。
, v' Q& v& k! W# v1 v3 a$ _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 ...

  |! A! ]7 x$ k8 g" M0 n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
; n! O7 S% ]! Q: |% k/ I5 H  L100:[email protected]:SGSDGKDGMDGKKKKKJJ
200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
300:[email protected]:FKIFHFHFHFJDFJFN
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
* v: M0 [2 S! F$ j8 X$ W  @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. ...

2 q5 B- F0 s. 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。
" d. |/ `: z8 A# A8 W) P' x1 S& k6 |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。
2 Q8 b8 X) o- ]8 ~$ n剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。