Question

我已将多个文件扫描为pdf，现在我想使用正则表达式从这些文件中提取电子邮件。但PDF有时在单词之间有空格，因为它的图像到文本的解释并不完美。由于我不再使用纸质文档，因此无法重做扫描。

例如，这些是可能性：

example.email@gmail.com
example.email@g mail.com
example.email@ gmail.com
example.email @ gmail.com
example.email @ gmail .com
example.email @gmail .com
example.email @gm ail .com
example.email @ gmail . com
exa mple.email@gmail.com
exa mple.email @gmail.com
exa mple.email @ gmail.com
exa mple.email @gmail .com
exa mple.email @ gmail .com
exa mplemail @ gmail .com

我尝试了多个正则表达式，但我对正则表达式的了解太有限，无法找到所有解决方案。

我使用了来自works的常规电子邮件正则表达式并添加了空格。

(?:[a-zA-Z0-9!#$%&'*+/=?^_`{|}~-]+(?:\.[a-zA-Z0-9!#$%&'*+/=?^_`{|}~-]+)*|"(?:[\x01-\x08\x0b\x0c\x0e-\x1f\x21\x23-\x5b\x5d-\x7f]|\\[\x01-\x09\x0b\x0c\x0e-\x7f])*")@(?:(?:[a-zA-z0-9 ](?:[a-zA-Z0-9- ]*[a-z0-9])?\.)+[a-zA-z0-9](?:[a-zA-z0-9-]*[a-zA-z0-9])?|\[(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?|[a-zA-z0-9-]*[a-zA-z0-9]:(?:[\x01-\x08\x0b\x0c\x0e-\x1f\x21-\x5a\x53-\x7f]|\\[\x01-\x09\x0b\x0c\x0e-\x7f])+)\])

此解决方案仅与4种可能性相匹配。

有关查找更多电子邮件的建议吗？部分解决方案也很受欢迎，因为我可以将它们添加到结果中。

注意：pdf不仅包含电子邮件。所以一行文字看起来像这样：＆＃34;电子邮件：example.email @gmail .com？\＆＃34;

Answer 1

试试这个：

/^[\w. -]++@[\w. -]++$/gm

使用Regex查找包含空格的无效电子邮件

1 个答案: