perl - 提取电子邮件地址和姓名

Question

我正在尝试编写一个 perl 脚本来解析充满电子邮件的目录并提取电子邮件地址和相应的名称。

目前我正在解析单词“From:”，然后提取该行，但这就是我陷入困境的地方。

数据可以采用以下格式:

> From: "Smith, John" <<a href="https://stackoverflow.com/cdn-cgi/l/email-protection" class="__cf_email__" data-cfemail="93f9bde0fefae7fbd3f7fcfef2bdf0fcfe" rel="noreferrer noopener nofollow">[email protected]</a>>
> From: John Smith <<a href="https://stackoverflow.com/cdn-cgi/l/email-protection" class="__cf_email__" data-cfemail="03696c6b6d43706e6a776b2d606c6e" rel="noreferrer noopener nofollow">[email protected]</a>>
> From: Frank Smith [mailto:<a href="https://stackoverflow.com/cdn-cgi/l/email-protection" class="__cf_email__" data-cfemail="ed8b9f8c8386ad8982808c8483c38e8280" rel="noreferrer noopener nofollow">[email protected]</a>]=20
> From: "Smith, Frank" [mailto:<a href="https://stackoverflow.com/cdn-cgi/l/email-protection" class="__cf_email__" data-cfemail="88eea6fbe5e1fce0c8ece7e5e9e1e6a6ebe7e5" rel="noreferrer noopener nofollow">[email protected]</a>]=20

所以我也需要格式化字符串，所以我最终得到 3 个变量:名字、姓氏和电子邮件。

是否有更好的方法来解析文件以获取电子邮件地址和姓名？我如何处理字符串并重新排列它们，通常带有逗号的名称需要交换。

有人可以帮忙吗？

这是我到目前为止的脚本...

#!/usr/bin/perl  

@files = </storage/filters/*>;
foreach $file (@files)
{
        open (FILE, "$file");
        while($line= <FILE> )
        {
            print $line if $line =~ /. From:/;
        }
        close FILE;
}

Answer 1

如果您确定这些是唯一有效的格式，请编写脚本来处理这些格式，并丢弃其余的。

my $first, $last, $email;
while( $line = <FILE> ) {
    if( $line =~ /From:\s+"(.*?),\s*(.*?)"\s+<(.*?)>/ ) {
        ($first, $last, $email) = ($2, $1, $3);
    } elsif( $line =~ /From:\s+"(.*?)\s+(.*?)\s+<(.*?)>/ ) {
        ($first, $last, $email) = ($1, $2, $3);
    } elsif( $line =~ /From:\s+"(.*?),\s*(.*?)"\s+\[mailto:(.*?)\]/ ) {
        ($first, $last, $email) = ($2, $1, $3);
    } elsif( $line =~ /From:\s+"(.*?)\s+(.*?)\s+\[mailto:(.*?)\]/ ) {
        ($first, $last, $email) = ($1, $2, $3);
    }
    # Do something with $first, $last and $email. . . .
}

这完全跳过了坏情况。您当然可以收紧代码:

my $first, $last, $email;
while( $line = <FILE> ) {
    if( $line =~ /From:\s+"(.*?),\s*(.*?)"\s+(?:<|\[mailto:)(.*?)(?:>|\])/ ) {
        ($first, $last, $email) = ($2, $1, $3);
    } elsif( $line =~ /From:\s+"(.*?)\s+(.*?)\s+(?:<|\[mailto:)(.*?)(?:>|\])/ ) {
        ($first, $last, $email) = ($1, $2, $3);
    }
    # Do something with $first, $last and $email. . . .
}

或其他可能性。

现在，当然，如果您想确保电子邮件地址的格式有效，那就是另一回事了。这也会被“Martin van Buren”之类的名字打败。