用于在文件中处理电子邮件的正则表达式

Question

我想使用bash验证目录中文本文件的电子邮件。

我的正则表达式：

grep -Eoh \
         "\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,8}\b" * \
         | sort -u > mail_list

此正则表达式满足我的所有要求，但不能排除以下地址：

^%&blah@gmail.com

和

with.dot@sale..department.company-name.com

（有两个或更多点）。

应排除这些地址。

如何修改此正则表达式以排除这些类型的电子邮件？
我只能使用一个表达式来执行此任务。

Answer 1

电子邮件地址^%&blah@gmail.com实际上是a valid email address。

您可以使用Email::Valid module在Perl中执行此操作（假设每个条目都在新行上）：

perl -MEmail::Valid -ne 'print if Email::Valid->address($_)' file1 file2

文件1

not email
abc@test.com

file2的

not email
def@test.com
^%&blah@gmail.com
with.dot@sale..department.company-name.com

输出

abc@test.com
def@test.com
^%&blah@gmail.com

Answer 2

试试这个正则表达式：

'\b[A-Za-z0-9]+[A-Za-z0-9._%+-]+@([A-Za-z0-9-]+\.)+[A-Za-z]{2,8}\b'

我在前面添加了一个字母数字组，强制电子邮件以至少一个字母或数字开头，之后他们也可能有符号。

在@符号后，我添加了一个可以包含任意数量的字母或数字的组，然后是一个时段。但是，该组可以重复多次，因此能够匹配long.domain.name.com。

最后，正则表达式以您拥有的最终字符串结束，例如'com'。

---

更新

由于\b与单词边界匹配，并且符号^%&不被视为单词＆＃39; blah＆＃39;的一部分，但上述内容仍将匹配blah@gmail.com它之前是不受欢迎的字符。要避免这种情况，请使用Negative Lookbehind。这需要使用grep -P代替-E：

grep -P '(?<![%&^])\b[A-Za-z0-9]+[A-Za-z0-9._%+-]+@([A-Za-z0-9-]+\.)+[A-Za-z]{2,8}\b'

只有当字符串前面没有字符(?<![%&^])时，%&^才会让正则表达式进一步匹配。