Base R中的正则表达式（Regex）用于识别电子邮件地址

Question

我正在尝试使用stringr库从一个混乱的大文件中提取电子邮件。

str_match不允许perl=TRUE，并且我无法弄清楚转义字符以使其工作。

有人能推荐一个相对强大的正则表达式，适用于下面的情况吗？

c("[e-mail]", "[e-mail]", "[e-mail]")->emails
"SomeRegex"->regex
str_match(emails, regex)

- toomey8

---

你最佳的"猜测"是什么正则表达式？此外，我认为你的示例应包括不想匹配的情况。我可以使用.*来匹配所有这些情况，对吗？ - Frank

如果我使用 grep("@", emails)，它会正确匹配。 - RJ-

而且，str_match 仅提取第一个匹配组。这是您想要的吗？还是您想要提取所有匹配组？ - RJ-

在 R 中，grep 通常会将多个字符串的向量与一个正则表达式进行匹配。 - hwnd

@hwnd 我的印象是这正是原帖作者想要的。 - RJ-

Answer 1

> "^[[:alnum:].-_]+@[[:alnum:].-]+$"->regex
> str_match(emails, regex)
     [,1]                   
[1,] "[e-mail]"      
[2,] "[e-mail]"
[3,] "[e-mail]"

在正则表达式中，@符号不需要转义。而"."和"-"在字符类中也没有特殊意义。如果您想要添加对".com"、".co"、".edu"、".org"的需求，则需要指定该列表需要多完整。

正如M42所指出的那样，这并不是一种百分之百有效的方法。事实上，据称没有百分之百有效的方法：使用正则表达式验证电子邮件地址

- IRTFM

---

它将匹配...@---。 - Toto

是的，会的。我理解问题是询问者需要一个包括正则表达式元字符讨论的起点。toomey8没有提供需要被拒绝的项目的测试案例。 - IRTFM

这个答案对我有用，但为了后人，值得一提的是，我转向了Python，因为更广泛的支持和通用库使得许多任务（解析xml、连接到Google分析、连接到Google电子表格、从URL中获取tld等）变得更加容易，并且随着Pandas的出现，使用Python似乎更加有效。 - toomey8

这对许多情况都不起作用，包括例如带有2个星号的事物... - Sheridan Grant

小改进：使用 ^[[:alnum:].-_\\+]+@[[:alnum:].-]+$ 来包括 "@" 前面的部分中的 "+" 符号（这是一个有效的地址，可以在 Gmail 和 G Suite 中用于创建别名）。 - Adi Sarid

Answer 2

我发现这个正则表达式对我来说更有效：

^[[:alnum:]._-]+@[[:alnum:].-]+$

在字符类中，除非连字符是最后一个字符，否则它具有特殊含义。它是一个范围运算符，例如“A-Z”。

- Ken Taylor

Answer 3

其实，我建议使用更长的正则表达式，因为上面的解决方案允许像[e-mail].这样带有尾随点的电子邮件。

isMail <- function(x){
   grepl("^[[:alnum:]._-]+@[[:alnum:].-]+$", x))
}

- z-cool

---

难道不应该是这样吗？"^[[:alnum:]._-]+@[[:alnum:].-]+[:alnum:]+$" - SJGD