R gsub 从文本中提取电子邮件答案

【问题标题】：R gsub to extract emails from textR gsub 从文本中提取电子邮件
【发布时间】：2016-06-07 13:45:14
【问题描述】：

我有一个由readLines 创建的变量a，其中包含一些电子邮件。我已经只过滤了带有@符号的那些行，现在正在努力获取电子邮件。我的变量中的文本如下所示：

> dput(a[1:5])
c("buenas tardes. excelente. por favor a: Saolonm@hotmail.com", 
"26.leonard@gmail.com ", "Aprecio tu aporte , mi correo es jcdavola31@gmail.com , Muchas Gracias", 
"gracias andrescarnederes@headset.cl", "Me apunto, muchas gracias mi direcciÃ³n luciana.chavela.ecuador@gmail.com me serÃ¡ de mucha utilidad. "
)

从 SO 中的this 问题，我得到了提取电子邮件的起点（@Aaron Haurun 的回答），稍作修改（我在@ 之前添加了[\w.] 以解决名称之间带有. 的电子邮件) 在 regex101.com 中提取电子邮件效果很好。但是，当我将它移植到 gsub 时它失败了：

> gsub("()(\\w[\\w.]+@[\\w.-]+|\\{(?:\\w+, *)+\\w+\\}@[\\w.-]+)()", 
       "\\2", 
       a[1:5], 
       perl = FALSE) ## It doesn't matter if I use perl = TRUE

[1] "buenas tardes. excelente. por favor a: Saolonm@hotmail.com"           "26.leonard@gmail.com "                                                                          
[3] "Aprecio tu aporte , mi correo es jcdavola31@gmail.com , Muchas Gracias"                           "gracias andrescarnederes@headset.cl"                                                                       
[5] "Me apunto, muchas gracias mi direcciÃ³n luciana.chavela.ecuador@gmail.com me serÃ¡ de mucha utilidad. "

我做错了什么，如何获取这些电子邮件？谢谢！

【问题讨论】：

使用 stringr str_extract 和 "\\S+@[^\\s@.]+\\.\\S+" 之类的东西。可能还有很多其他的电子邮件提取正则表达式（只需搜索 SO）

标签： regex r gsub

【解决方案1】：

我们可以试试str_extract() 来自stringr 包：

str_extract(text, "\\S*@\\S*")

[1] "Saolonm@hotmail.com"              
[2] "26.leonard@gmail.com"             
[3] "jcdavola31@gmail.com"             
[4] "andrescarnederes@headset.cl"      
[5] "luciana.chavela.ecuador@gmail.com"

其中\\S* 匹配任意数量的非空格字符。

【讨论】：

【解决方案2】：

根据您在问题中发布的答案，

library(stringr)
str_extract(a, '\\S+@\\S+|\\{(?:\\w+, *)+\\w+\\}@[\\w.-]+')
#[1] "Saolonm@hotmail.com"               "26.leonard@gmail.com"              "jcdavola31@gmail.com"              "andrescarnederes@headset.cl"      
#[5] "luciana.chavela.ecuador@gmail.com"

【讨论】：

如果您想提取多封电子邮件（继续搜索），请使用str_extract_all

【解决方案3】：

我们可以使用base R 选项来做到这一点

unlist(regmatches(a, gregexpr("\\S+@\\S+", a)))
#[1] "Saolonm@hotmail.com"    
#[2]"26.leonard@gmail.com" 
#[3] "jcdavola31@gmail.com"             
#[4] "andrescarnederes@headset.cl"
#[5] "luciana.chavela.ecuador@gmail.com"

或者作为 OP 的帖子是关于 gsub/sub 的解决方案

sub("(.*\\s+|^)(\\S+@\\S+).*", "\\2", a)
#[1] "Saolonm@hotmail.com" 
#[2] "26.leonard@gmail.com" 
#[3] "jcdavola31@gmail.com"             
#[4] "andrescarnederes@headset.cl"  
#[5] "luciana.chavela.ecuador@gmail.com"

【讨论】：