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
例如源文件为这个txt
➜  ~ cat x.txt

! z" W' \/ G4 V& ]6 U' 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
, M2 j/ z; @, ]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

[email protected]:7fc2ce488
+ Z% a! H* l& f[email protected]:669e7d715e402b5b3
[email protected]:12ebcb4d
, H) D' g: o0 c[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
+ C# ]! R( Z( k3 @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. `1 c+ r& F5 M8 J  R# s6 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
. E0 q- I7 G% U* p# n, O6 m1 W- y; ]' x:7fc2ce488
' c( I* a1 W% H& Q7 K5 H:669e7d715e402b5b3
:12ebcb4d

& x* f; G4 H8 j' ^那好办啊
5 |1 [+ V1 ?; O, \1 X5 C# n6 z正则表达式：:.*
替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
7 `; D' O" _6 e+ ^那好办啊
+ {2 _% m& |' v" S' _7 C5 a9 R正则表达式：:.*
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
/ n$ `8 }2 I4 O- a9 s  F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
. C& [! l; K$ Z# x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.+_]+\. ...

  S0 O# W! D5 i7 R8 W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。
+ ?7 a" F' f) s: I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。
8 a, {; {$ j% F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
  k* E( h; f1 B100:[email protected]:SGSDGKDGMDGKKKKKJJ
( d* f$ U0 ~- W) s2 b$ R200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
300:[email protected]:FKIFHFHFHFJDFJFN
5 G1 H& g$ g$ v- h0 r! h我要想提取中间的email那么正则该怎么写呢？？
; I1 v+ b6 V6 S1 O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
1 H& c3 z' u: L( Z9 ?7 f. H100: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。
& O: r% n" P6 W3 {. p' }第一步：^.*?:，替换为空白，去掉了首部。
8 k& M! [4 R% i9 s6 o第二部：:.*，替换为空白，去掉了尾部。
+ A3 I6 j& I8 u4 E4 F1 T剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。

1 h( t( _3 c  u
; |% ]) T( ]. w6 N% Q' f, _4 R# y