Я пытаюсь извлечь только электронные письма из текстового столбца в openrefine. в некоторых ячейках указан только адрес электронной почты, а в других - имя и адрес электронной почты в формате john doe <[email protected]>. Я использовал следующее GREL / регулярное выражение, но он не возвращает весь адрес электронной почты. Для приведенного выше примера я получаю ["[email protected]"]
value.match(
/.*([a-zA-Z0-9_\-\+]+@[\._a-zA-Z0-9-]+).*/
)
Любая помощь горячо приветствуется.
n захватывается, потому что вы используете .* перед группой захвата, и поскольку он может жадно соответствовать любым символам 0+, кроме символов разрыва строки, единственный символ, который может попасть в Группу 1 во время обратного отслеживания, - это символ прямо перед @.
Если вы можете получить частичные совпадения, избавьтесь от .* и используйте
/[^<\s]+@[^\s>]+/
См. демонстрацию регулярного выражения
Подробности
[^<\s]+ - 1 или более символов, кроме < и пробелов@ - символ @[^\s>]+ - 1 или более символов, кроме пробелов и >.Реализация Python / Jython:
import re
res = ''
m = re.search(r'[^<\s]+@[^\s>]+', value)
if m:
res = m.group(0)
return res
Есть и другие способы сопоставления этих строк. Если вам нужно полное совпадение строки, .*<([^<]+@[^>]+)>.*, где .* не поглотит имя, так как оно остановится перед обязательным <.
Если некоторые ячейки содержат только адрес электронной почты, вероятно, лучше использовать частичное совпадение @ wiktor-stribiżew. В разрабатываемой версии Open Refine теперь есть value.find() функция, которая может это делать, но официально она будет реализована только в следующей версии (2.9). А пока вы можете воспроизвести его с помощью Python / Jython вместо GREL:
import re
return re.findall(r"[^<\s]+@[^\s>]+", value)[0]
Результат :
import re \n return re.findall(r"([a-zA-Z0-9_\-\+]+@[\._a-zA-Z0-9-]+)", value)[0]- это то, что я успешно закончил. спасибо @Wiktor Stribiew и @Ettore Rizza - person Abi Hassen schedule 03.02.2018