删除不匹配部分的 Notepad++ 和正则表达式

Question

我正在使用我制作的这个正则表达式字符串...

['"]{1}\w+@\w+\.{1}\w\w\w?['"]

在格式错误的旧文件中寻找包含在引号中的电子邮件地址。

例子：

 ADF325@#%jkdaf-@#%j-afd(#$w52'leroyjenkins@myguild.edu'@#%kladfjkla-235dsaf-'thisemail@example.com'2l35jk2dz-dl1jkozf-afajelj'gooselick@somebodyspastries.co'l2#%Jk23l5jlafafljewo8972509357
j2k3l5jadfjeljwfoobar'foobar@barfoo.foo'jk23j-zv8902354jlfa
('352lj53k2ljkumquat'fakeemail@realemail.wtf')lajflsdf
etc.

正则表达式对我来说工作得很好......除了一件事。我想用空格替换所有不匹配的内容，以便我可以对其进行格式化以将其迁移到正确的数据库。如何删除所有不匹配的内容（最好在每个匹配项之间添加一个换行符）？

Answer 1

使用

['"](\w+@\w+\.\w{2,3})['"]|(?s).

并替换为(?{1}\1\n)。

等价的更快一点 (demo)：

['"](\w+@\w+\.\w{2,3})['"]|[^'"]*(?:['"](?!\w+@\w+\.\w{2,3}['"])[^'"]*)*

详情

• ['"] - 引用
• (\w+@\w+\.\w{2,3}) - 第 1 组：1+ 个单词字符，@，1+ 个单词字符，.，然后是 2 或 3 个单词字符
• ['"] - 引用
• | - 或
• (?s). - 任何单个字符。

如果第 1 组匹配 ((?{1})，则匹配将替换为第 1 组内容 (\1\n)。如果(?s). 匹配，则匹配被删除。

Answer 2

当您必须处理大文件时，处理它们的方法包括不完全加载它们。相反，您必须将它们作为流读取。使用 npp 无法做到这一点，但可以使用 php 之类的脚本语言。 如果您想进行更改或特别是在将文件作为流加载时提取某些内容，您可以编写用户定义的流过滤器：

class EmailFilter extends php_user_filter
{
    public function filter($in, $out, &$consumed, $closing)
    {
        while ( $bucket = stream_bucket_make_writeable($in) ) {
            if ( preg_match_all('~\'\K\w+@\w+\.\w{2,3}(?=\')|"\K\w+@\w+\.\w{2,3}(?=")~S', $bucket->data, $matches) ) {
                 $bucket->data = implode("\n", $matches[0]);    
            }
            $consumed += $bucket->datalen;
            stream_bucket_append($out, $bucket);
        }
        return PSFS_PASS_ON;
    }
}

stream_filter_register('email_filter', 'EmailFilter');
$handle = fopen('php://filter/read=email_filter/resource=yourfile.txt', 'rb');

while (feof($handle) !== true) {
    echo fgets($handle); 
}

fclose($handle);

当您采用这种方法时，没有什么可以禁止在您的表中插入邮件，即 5 个 5 个、10 个 10 个、20 个 20 个或您想要的数字。目标是不加载内存中的所有文件。

（O'Reilly Modern PHP 中的更多示例）