私はいくつかの電子メール抽出ソフトウェアを使用して（驚きの驚き）Webサイトから電子メールを抽出します。これは、正規表現を使用しています。regex電子メール抽出から画像を除外する方法
[A-Z0-9._%+-][email protected][A-Z0-9.-]{3,65}\.[A-Z]{2,4}
しかし、これは、画像を大量生産で有名だけでなく、電子メールが
[email protected]を例えば、私は、この正規表現を変更することができますが、私は終了マッチを除外する方法を見つけ出すことはできません.png、.jpgなど。
電子メールの検証には多くの情報がありますが、これはどれほど難しいですか？私がしたいのは、結果リストから画像を除外することだけです。あなたのサンプルテキストで
は望ましくない部分文字列は、電子メールアドレスに似ているが、便利jpgで終わります。したがって、否定的な先読みでは、ファイル拡張子を除外できます。
(?!\S*\.(?:jpg|png|gif|bmp)(?:[\s\n\r]|$))[A-Z0-9._%+-][email protected][A-Z0-9.-]{3,65}\.[A-Z]{2,4}
ライブデモ
https://regex101.com/r/mU7bO3/2
サンプルテキスト
[email protected] [email protected] [email protected]
サンプルは、使用している言語は何
[email protected]
[email protected]
NODE EXPLANATION
----------------------------------------------------------------------
(?! look ahead to see if there is not:
----------------------------------------------------------------------
\S* non-whitespace (all but \n, \r, \t, \f,
and " ") (0 or more times (matching the
most amount possible))
----------------------------------------------------------------------
\. '.'
----------------------------------------------------------------------
(?: group, but do not capture:
----------------------------------------------------------------------
jpg 'jpg'
----------------------------------------------------------------------
| OR
----------------------------------------------------------------------
png 'png'
----------------------------------------------------------------------
| OR
----------------------------------------------------------------------
gif 'gif'
----------------------------------------------------------------------
| OR
----------------------------------------------------------------------
bmp 'bmp'
----------------------------------------------------------------------
) end of grouping
----------------------------------------------------------------------
(?: group, but do not capture:
----------------------------------------------------------------------
[\s\n\r] any character of: whitespace (\n, \r,
\t, \f, and " "), '\n' (newline), '\r'
(carriage return)
----------------------------------------------------------------------
| OR
----------------------------------------------------------------------
$ before an optional \n, and the end of
a "line"
----------------------------------------------------------------------
) end of grouping
----------------------------------------------------------------------
) end of look-ahead
----------------------------------------------------------------------
[A-Z0-9._%+-]+ any character of: 'A' to 'Z', '0' to '9',
'.', '_', '%', '+', '-' (1 or more times
(matching the most amount possible))
----------------------------------------------------------------------
@ '@'
----------------------------------------------------------------------
[A-Z0-9.-]{3,65} any character of: 'A' to 'Z', '0' to '9',
'.', '-' (between 3 and 65 times (matching
the most amount possible))
----------------------------------------------------------------------
\. '.'
----------------------------------------------------------------------
[A-Z]{2,4} any character of: 'A' to 'Z' (between 2
and 4 times (matching the most amount
possible))
----------------------------------------------------------------------
ありがとうございました。テスターでは完全に動作しますが、ソフトウェアにプラグインすると機能しません。皮肉なことに、イメージの1つの余分な例が返されます。残念なことに、ソフトウェアは「ブラックボックス」なので、正規表現をどのように（あるいはどの言語で）使うのかわからない。私が試すことができる代替式について考えてもらえますか？ – Melchester
エラーになりますか？それとも、いくつかの試合ではなく、他の試合ではちょっとした仕事ですか？あなたのアプリが実行されているosの種類は何ですか、あなたのアプリにjavaが必要かどうか知っていますか？ –
あなたに戻って遅れて申し訳ありません。いいえ、エラーはありません。アプリケーションは、Windows PC上で実行されています。 Javaが必要かどうかは不明です。 – Melchester
にマッチしますか？ –
なぜTLDを4文字に制限していますか？参照してください：http://www.iana.org/domains/root/db – Toto
私は言語を知らない - それは正規表現に基づいてテキスト/ htmlファイルを検索するソフトウェア（他人によって書かれた）ですユーザーが変更することができます。明らかにデフォルトの正規表現は古くなっています - ありがとうToto。 – Melchester