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
4 J3 T5 r/ b$ F, J1 t➜  ~ cat x.txt

/ f5 U. _; [7 ^. B1 ?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
# w6 l# e5 F, _" G8 z, GEmEditor（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

  p- a% [: q2 v# R+ Y0 m% r[email protected]:7fc2ce488
; N% P& `$ q+ v[email protected]:669e7d715e402b5b3
[email protected]:12ebcb4d
3 h" ?3 e! I% ]! h$ N[email protected]:c06fc72f7d010
/ B$ y% t0 O: b7 G3 Y: N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
( R2 y/ o" o" L, z7 \: _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
  C: W1 B) ?  g6 n6 r[email protected]:669e7d715e402b5b3
[email protected]:12ebcb4d
, p% @6 [5 F# r0 w: t8 d[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
% s& M, i0 p( s0 @" V:7fc2ce488
8 t( w0 o6 j; \:669e7d715e402b5b3
* k: i) c% D$ c, `1 f:12ebcb4d

那好办啊
, b" m6 Z( S1 X' d正则表达式：:.*
$ Y: b0 Q+ A# s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：:.*
% Y/ o2 X! _9 `( b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
# m4 i* F" g. m- l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？

, x; v+ @7 A) r" I6 v3 E& e不送几个积分吗？哈哈哈哈

alibaba

affempire 发表于 2017-12-4 17:24
" L7 k: t* `/ z; d+ e2 O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
% _* k4 A3 C9 {简单的问题复杂化了。
& k4 k; g# d* \; Q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 ...

" U! r; ?6 ]9 ?1 b: x; q, L8 h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
200:[email protected]:IFJFHGDFJDJFDJFDJFDJJ
' Y7 a* a  J( m+ V9 L0 v300:[email protected]:FKIFHFHFHFJDFJFN
我要想提取中间的email那么正则该怎么写呢？？
& L* ~5 W6 e5 a. k/ q3 I0 n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
! I/ N( |, n) A/ E4 Q3 b: X. 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
100:asdffg@gmail. ...

& D: z) }2 U8 _3 R% Z) o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。
6 n  T% I' B3 Q6 a  [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。
3 {% T3 T( I; q$ y& z3 K* `$ J第一步：^.*?:，替换为空白，去掉了首部。
$ ]0 ~3 v" N2 E0 D% F第二部：:.*，替换为空白，去掉了尾部。
' }2 K4 Q/ ]8 r0 G3 v剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。
9 e( y& a, w, J( _# @0 ^

& c* F" D8 b* F9 M; A* {4 B