regex - 删除电子邮件地址前的文字

Question

我有数十万条主要是杂乱无章的行，其中包含电子邮件和其他数据。出现在电子邮件地址之前的所有内容基本上都是无用的，并且可以清除/删除/删除/切片 - 不确定术语是否正确，抱歉。

我倾向于将 Cygwin 用于这些类型的事情，但一直在苦苦挣扎。这是我通常倾向于使用的电子邮件正则表达式：

[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,6}

输入：

Dog:[e-mail]:cat
Pab:[e-mail]:dog
cat:horse:[e-mail]:cat
bike:michael:david:[e-mail]:cat
[e-mail]:bob

期望的输出：

[e-mail]:cat
email1@hotmail:dog
[e-mail]:cat
[e-mail]:cat
[e-mail]:bob

标签： regexunixawksedcygwin

Answer 1

您的正则表达式工作正常：

$ awk 'match($0,/[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,6}/){print substr($0,RSTART,RLENGTH)}' file
[e-mail]
[e-mail]
[e-mail]
[e-mail]
[e-mail]

$ awk 'match($0,/[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,6}/){print substr($0,RSTART)}' file
[e-mail]:cat
[e-mail]:dog
[e-mail]:cat
[e-mail]:cat
[e-mail]:bob

由于您使用的是 cygwin，因此您拥有 GNU awk，它具有“就地”编辑功能：

awk -i inplace 'script' file

但当然要先测试。