如何在C#中从文本中提取连续的电子邮件地址

Question

我有以下三个字符串示例：

string1 = "[e-mail]这只是一些文本。这只是一些数字123456 xyz @ xyz.com asdasd asdad"

string2 = “[e-mail] [e-mail]这只是一些文本。这只是一些数字123456 xyz @ xyz.com asdasd asd”

string3 = “[e-mail] [e-mail] [e-mail]这只是一些文本。这只是一些数字123456 xyz @ xyz.com asdad”

最终输出应该是一个列表，其中包含连续出现在字符串开头的所有电子邮件。

对于字符串1的输出-一个电子邮件地址

对于字符串3的输出-三个电子邮件地址

地址“[e-mail]”应被忽略，因为它出现在其他文字之间。 有什么解决办法吗？ 现有的方法返回了所有地址。

    private List<string> ExtractEmails(string strStringGoesHere)
    {
        List<string> lstExtractedEmails = new List<string>();
        Regex reg = new Regex(@"[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,6}", RegexOptions.IgnoreCase);
        Match match;
        for (match = reg.Match(strStringGoesHere); match.Success; match = match.NextMatch())
        {
            if (!(lstExtractedEmails.Contains(match.Value)))
            {
                lstExtractedEmails.Add(match.Value);
            }
        }
        return lstExtractedEmails;
    }

- DevSa

---

这个怎么样？（https://regex101.com/r/vcUbCV/2） - Mohammad Javad Noori

谢谢 MJN，但对我没用。 - DevSa

Answer 1

你可以使用\G锚点，它只匹配在字符串开头以及每次成功匹配的末尾：

@"(?i)\G\s*([A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,6})"

请看这个演示。 细节：

• (?i) - 行内不区分大小写标志。
• \G - 锚定，仅在字符串开头和每个成功的匹配结尾处匹配。
• \s* - 0个或多个空格。
• ([A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,6}) - 第一组匹配类似电子邮件的子字符串（有其他模式可用于此处，但通常是\S+@\S+\.\S+）。

C#演示：

var strs = new List<string> {"[e-mail] this is just some text. these are just some numbers 123456 [e-mail] asdasd asdad",
    "[e-mail] [e-mail] This is just some text. these are just some numbers 123456 [e-mail] asdasd asd",
    "[e-mail] [e-mail] [e-mail] This is just some text. these are just some numbers 123456 [e-mail] asdad" };
foreach (var s in strs) 
{
    var results = Regex.Matches(s, @"(?i)\G\s*([A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,6})")
        .Cast<Match>()
        .Select(x => x.Groups[1].Value);
    Console.WriteLine(string.Join(", ", results));
}

结果：

[e-mail]
[e-mail], [e-mail]
[e-mail], [e-mail], [e-mail]

- Wiktor Stribiżew

---

你可能只想为每个匹配修剪空格。 - andnik

@AndriiNikolaienko 不需要，必要的数据在第一组。 - Wiktor Stribiżew

在regexStorm链接中，您使用了(\G|^)。为什么这里不仅使用\G就可以了呢？ - Gurmanjot Singh

@Gurman 由于这是一个带有多行字符串的演示，我必须添加 ^ 作为替代，因为 \G 只能匹配整个字符串的开头，RegexOptions.Multiline 选项不会改变其行为。在实际代码中，\G 就足够了。 - Wiktor Stribiżew