我正在尝试仅从 openrefine 中的文本列中提取电子邮件。有些单元格只有电子邮件，但其他单元格有名称和电子邮件john doe <john@doe.com>格式。我一直在使用以下 GREL/regex，但它不会返回整个电子邮件地址。对于上面的例子，我得到了["n@doe.com"]
value.match(
/.*([a-zA-Z0-9_\-\+]+@[\._a-zA-Z0-9-]+).*/
)
任何帮助深表感谢。
问问题
564 次
2 回答
0
被n捕获是因为您.*在捕获组之前使用，并且由于它可以贪婪地匹配除换行符之外的任何 0+ 字符，因此在回溯期间唯一可以落在第 1 组中的字符是之前的字符@。
如果您可以获得部分匹配，请摆脱.*并使用
/[^<\s]+@[^\s>]+/
查看正则表达式演示
细节
[^<\s]+- 1 个或多个字符，而不是<空格@- 一个@字符[^\s>]+- 除空格和 . 以外的 1 个或多个字符>。
Python/Jython 实现：
import re
res = ''
m = re.search(r'[^<\s]+@[^\s>]+', value)
if m:
res = m.group(0)
return res
还有其他方法可以匹配这些字符串。如果您需要完整的字符串匹配.*<([^<]+@[^>]+)>.*，.*则不会吞噬名称，因为它会在强制<.
于 2018-02-02T22:50:12.013 回答
0
如果某些单元格只包含电子邮件，最好使用@wiktor-stribiżew 的部分匹配。在 Open Refine 的开发版本中，现在有一个value.find()功能可以做到这一点，但要到下一个版本（2.9）才会正式实现。同时，您可以使用 Python/Jython 而不是 GREL 来重现它：
import re
return re.findall(r"[^<\s]+@[^\s>]+", value)[0]
结果 ：
于 2018-02-02T23:24:20.460 回答