邮件开发中的邮箱地址提取！

如何在几万行或者几十万行的的文件中准确的获取到邮箱地址并把这些地址输出！

基本原理就是文本匹配，这个用正则表达式就好了：

[\w!#$%&'*+/=?^_`{|}~-]+(?:\.[\w!#$%&'*+/=?^_`{|}~-]+)*@(?:[\w](?:[\w-]*[\w])?\.)+[\w](?:[\w-]*[\w])?

如果数据量比较大，从效率方面考虑应使用fork/join去处理

注意

读取几十万行记得逐行读取，然后将返回的emailList拼接起来，不然一次性全部读取几十万行会GG

Code :

    /**
     * 域名后缀维护列表，为保证匹配准确度，仅匹配域名列表里有的邮箱
     * 例如  sf@sf.ggadmin@,help@admin.sf.gg 都可以被正确匹配
     * sf@sf.gggame@google.com 也可以正确拆分为 sf@sf.gg 和 game@google.com
     * 以下域名列表请自行按需添加, | 是间隔符
     *
     * @param str 传入的含有邮箱的字符串
     * @return emailList 已提取的邮箱列表
     * @author Levey
     * @time 16/1/20 14:35
     */

    private static List getEmailList(String str) {
        //在此维护域名后缀表
        String dn = "com|cn|org|com.cn|xyz|net|gg|gov.cn|love";
        Pattern p = Pattern.compile("[\\w[.-]]+@[\\w[.-]]+\\.(" + dn + ")"); //邮箱验证
        Matcher m = p.matcher(str);
        List<String> emailList = new ArrayList<>();
        while (m.find()) {
            //update  2016-1-21 10:03:45
            //去除包涵连续两个点的邮箱
            if(!m.group().contains("..")) {
                emailList.add(m.group());
            }
        }
        return emailList;
    }

Test：

public static void main(String args[]) {
        String str = "tencent.sf.gg@10000@qq.comghghghghg\n" +
                "你好leveychen，lev；levey-chen@myema你aaa@this.gov.cn好il.gmail.com悲" +
                "剧help@admin.sf.gg了" +
                "啊m@levey.com.cnmnihao的都是</br>和<sf@sf.gggame@google.com>";
        System.out.println(getEmailList(str));
    }

Output:

10000@qq.com
aaa@this.gov.cn
help@admin.sf.gg
m@levey.com.cn
sf@sf.gg
game@google.com

update 2016/01/20 15:09:41
更新已知bug
极端情况下
com 和 co 域名无法正确识别，例如 my@email.comy@email.com
这会优先提取 com域名，然后再去匹配co 域名
abc@mail....com 也能被匹配

//update 2016-1-21 10:03:45
//去除包涵连续两个点的邮箱

百度正则表达式

【热门文章】

邮件开发 中的邮箱地址提取！

注意

邮件开发中的邮箱地址提取！