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
) i. I5 Z( a* @. |6 B例如源文件为这个txt
( F' r8 P- a% H' S9 z) U' l➜  ~ 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
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， ...

- N7 I; C1 O3 a. \: i4 X; _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

! @2 t! c% N6 K
6 y8 B/ w. i, m6 L8 z' t[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

affempire

alibaba 发表于 2017-12-4 14:43
3 Z9 y' I0 t, Z' v' ?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
% U$ B% ?  V) g) {  N- d) t[email protected]:12ebcb4d
[email protected]:c06fc72f7d010
' q; ]1 ?2 R7 F6 l# x4 O/ V' S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
  ^! b- a9 o, p:7fc2ce488
:669e7d715e402b5b3
- j' @6 G' U" }3 D( ?8 [:12ebcb4d

3 x, E( z- _; k' T那好办啊
正则表达式：:.*
( d/ @; h5 E0 u5 h  L% F5 j替换为空白就可了

affempire

alibaba 发表于 2017-12-4 16:36
9 K$ ~0 E2 U, i0 f; h  l  d3 w" Z那好办啊
' T" Z1 T: D& _/ K/ x6 t9 y/ W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
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
  J  Q$ I! A3 n- W& b5 @7 a4 I# 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？

不送几个积分吗？哈哈哈哈

alibaba

affempire 发表于 2017-12-4 17:24
5 H6 f$ y; G9 m- J) L* m# W  M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.+_]+\. ...

& s6 d8 i3 j8 t( h1 N$ W, ~6 y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。
: E+ B' r. ?' t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。
  T; J- n6 A9 U+ b0 e5 i9 \, s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 ...

) D& E( A/ c% f7 {8 o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
: j( O, a, @) Q8 X/ o# j- ?% g' z+ t200:[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？？
4 B% u" Q4 m6 g* s/ D7 y- Q0 S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
6 X9 |5 O! Q$ z- Y/ M$ o+ ?( A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. ...

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。
* P: J# j/ h* K4 \' I& Z- Z. K2 `; L' 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。
. V" P3 f+ c: j5 U  c. k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。
' D, F( h; Y% x5 k$ ?! ~剩下就是想要的邮箱了，还不用选中，复制，粘贴什么的。
: d$ u) C  z, t% m$ O2 S$ G
3 G$ r$ R8 L. ^) b6 `* j1 i: H
/ J! S  i! j- a0 w4 d