清理字符串以使用正则表达式获取电子邮件 [关闭]

Question

我有一个从页面中提取电子邮件地址的 ruby​​ 代码。我的代码输出电子邮件地址，但也捕获其他文本。

我想从这个字符串中提取实际的电子邮件。有时，该字符串会包含一个 mailto，有时则不会。我试图通过使用拆分来获取出现在@ 之前的单个单词，以及出现在@ 之后的任何单词，但是我遇到了麻烦。有任何想法吗？谢谢！

href="mailto:someonesname@domain.rr.com"> |  Email</a></td>

Answer 1

使用预先构建的东西：

require 'uri'

addresses = URI.extract(<<EOT, :mailto)
this is some text. mailto:foo@bar.com and more text
and some more http://foo@bar.com text
href="mailto:someonesname@domain.rr.com"> |  Email</a></td>
EOT
addresses # => ["mailto:foo@bar.com", "mailto:someonesname@domain.rr.com"]

URI 带有 Ruby，用于解析 URI 的模式已经过很好的测试。它不是防弹的，但效果很好。如果您收到误报，您可以使用 select、reject 或 grep 块过滤掉返回的不需要的条目。

如果您不能指望拥有mailto:，问题就会变得更加困难，因为电子邮件地址不容易解析；他们有太多的变化。这个问题类似于使用模式验证电子邮件地址，因为地址的格式变化太大。 “Using a regular expression to validate an email address”和“JavaScript Email Validation when there are (soon to be) 1000's of TLD's?”是阅读更多信息的好书。

Answer 2

这应该也可以很好地工作，但不会考虑 invalid 电子邮件格式 - 它只会根据您的两个用例提取电子邮件地址。

string[/[^\"\:](\w+@.*)(?=\")/]

Answer 3

这应该可行

inputstring[/href="[^"]+"/][6 .. -2].gsub("mailto:", "")

说明：

• 获取 href 属性及其内容
• 删除 href= 和 qoutes
• 删除mailto:（如果存在）

示例：

irb(main):021:0> test = "href=\"mailto:francesco@hawaii.rr.com\"> |  Email DuVin</a></td>"
=> "href=\"mailto:francesco@hawaii.rr.com\"> |  Email DuVin</a></td>"
irb(main):022:0> test[/href="[^"]+"/][6 .. -2].gsub("mailto:", "")
=> "francesco@hawaii.rr.com"
irb(main):023:0> test = "href=\"francesco@hawaii.rr.com\"> |  Email DuVin</a></td>"
=> "href=\"francesco@hawaii.rr.com\"> |  Email DuVin</a></td>"
irb(main):024:0> test[/href="[^"]+"/][6 .. -2].gsub("mailto:", "")
=> "francesco@hawaii.rr.com"