3

我正在尝试找出 Ruby 1.8.7 上的正则表达式，用于从电子邮件中删除线程。为此，我需要删除与线程模式匹配的邮件边界之间的所有内容，例如，在 Mac Mail 上，我需要删除粗体文本（示例 HTML 已简化以避免使用大量空间，真实邮件的 HTML远没有那么简洁）：

发件人：XXXX
...邮件标题...
内容类型：多部分/替代；
  边界="苹果邮件=_EFA7D6C2-C778-4C8E-AA13-C97DF1FA9036"
...更多邮件标题...

--Apple-Mail=_EFA7D6C2-C778-4C8E-AA13-C97DF1FA9036
内容传输编码：quoted-printable
内容类型：文本/纯文本；
  charset=us-ascii

从 Mac Mail 添加的新评论

2012 年 6 月 12 日 12:51，XXXX@example.com 写道：

> 线程
> 正文
> 成为
> 删除
>=20

--Apple-Mail=_EFA7D6C2-C778-4C8E-AA13-C97DF1FA9036
内容传输编码：quoted-printable
内容类型：文本/html；
  charset=us-ascii

<html>...很多HTML...

<span>2012 年 6 月 12 日 12:51，XXXX@example.com 写道：</span>

<span> 线程</span>
<span> 文本 </span>
<span> 是 </span>
<span> 已移除 </span>
<span>=20 </span>
</html>=

--Apple-Mail=_EFA7D6C2-C778-4C8E-AA13-C97DF1FA9036--

我认为可以捕获所需文本的正则表达式是：

--Apple-Mail=_EFA7D6C2-C778-4C8E-AA13-C97DF1FA9036.+?(\bOn.+?)(?!--Apple-Mail=_EFA7D6C2-C778-4C8E-AA13-C97DF1FA9036)

但这在第一个"On"之前从边界捕获是行不通的。

4

2 回答 2

1

好的，所以解决方案非常简单，我最终得到了如下表达式：

--Apple-Mail=_EFA7D6C2-C778-4C8E-AA13-C97DF1FA9036.+?(On \\d{0,2}[\\/\\-]\\d{0,2}[\\/\\-]\\d{0,4}.+?)--Apple-Mail=_EFA7D6C2-C778-4C8E-AA13-C97DF1FA9036

无需为此执行前瞻/后视。

于 2012-06-25T18:49:18.463 回答
0

这是两个将匹配文本的正则表达式。您可以gsub在每个表达式中找出适当的匹配组。

  1. /(^On \d\d\/\d\d\/\d{4}.*$\n(\n>.*$)*\n\n)/
  2. /(<span>On \d\d\/\d\d\/\d{4}.*<\/span>\n\n(<span>.*<\/span>\n)*)/

这应该是一个好的开始，但可以改进为更通用，但由于我们只知道一个示例，所以我刚刚写了这个来解决这个问题！

参考

于 2012-06-13T22:23:34.683 回答