在文本文件中捕获无效的电子邮件地址

Question

我的要求：

我有一个20GB的txt文件，它是制表符分隔的。我想使用PERL / AWK（或grep）查看“第n列”中的电子邮件地址是否有效。（正则表达式---＆gt; ; / ^（\ w | - | _ |。）+ \ @（（\ w | - | _）+。）+ [a-zA-Z] {2，} $ /应该没问题，但没有连续性' ..'OR'underscores'例如：abc..cd @ xyz.com应该无效，同样abc__cd@xyz.com也应该无效。）如果电子邮件地址有效，如果无效重定向，则将其重定向到valid_email.txt至invalid_email.txt。重点是捕获所有无效的电子邮件地址 - 具有更好的性能 - 因为文件大小将在未来日期进一步增长。

修改/更新：

以下代码是否可以捕获至少99％的无效电子邮件地址格式？还是需要进一步修改？请随时发表您的意见和建议。

提取有效的电子邮件ID

grep -E -o“\ b [A-Za-z0-9 ._％+ - ] + @ [A-Za-z0-9 .-] +。[A-Za-z] {2， 6} \ b“Raw_file.txt＆gt; Valid_Email_List.txt（其中Rawfile.txt仅包含电子邮件地址）

Answer 1

您不应使用正则表达式来验证电子邮件地址。在大多数情况下，您不需要通过语法完全验证电子邮件地址 - 这不是很有用。

首先，接受包含@字符的任何地址作为有效。这将排除99％的随机噪音。＆＃34;

然后，如果您想知道地址是否真的有效，请发送电子邮件给它！如果您收到肯定确认，例如用户点击电子邮件中包含的验证链接，则该确认有效。

如果您仅根据语法执行此操作，则会接受像nobody@example.com这样明显不好的地址。并且您将接受来自提供商的电子邮件地址，这些地址早已停业（使地址＆＃34;不可用＆＃34;尽管在语法上＆＃34;有效＆＃34;）。