在Powershell中使用Regex来抓取电子邮件

Question

我编写了一个脚本来抓取HTML文件中的不同字段,并使用结果填充变量.我正在使用正则表达式来抓取电子邮件.以下是一些示例代码:

$txt='<p class=FillText><a name="InternetMail_P3"></a>First.Last@company-name.com</p>'

$re='.*?'+'([\\w-+]+(?:\\.[\\w-+]+)*@(?:[\\w-]+\\.)+[a-zA-Z]{2,7})'

if ($txt -match $re)
{
    $email1=$matches[1]
    write-host "$email1"
}

我收到以下错误:

Bad argument to operator '-match': parsing ".*?([\\w-+]+(?:\\.[\\w-+]+)*@(?:[\\w-]+\\
.)+[a-zA-Z]{2,7})([\\w-+]+(?:\\.[\\w-+]+)*@(?:[\\w-]+\\.)+[a-zA-Z]{2,7})" - [x-y] range in reverse order..
At line:7 char:16
+ if ($txt -match <<<<  $re)
    + CategoryInfo          : InvalidOperation: (:) [], RuntimeException
    + FullyQualifiedErrorId : BadOperatorArgument

我在这里错过了什么？此外,是否有更好的电子邮件正则表达式？

提前致谢.

Answer 1

实际上,任何适用于.Net或C#的正则表达式都适用于PowerShell.你可以在stackoverflow和inet找到吨和吨样本.例如:如何查找或验证电子邮件地址:官方标准:RFC 2822

$txt='<p class=FillText><a name="InternetMail_P3"></a>First.Last@company-name.com</p>'
$re="[a-z0-9!#\$%&'*+/=?^_`{|}~-]+(?:\.[a-z0-9!#\$%&'*+/=?^_`{|}~-]+)*@(?:[a-z0-9](?:[a-z0-9-]*[a-z0-9])?\.)+[a-z0-9](?:[a-z0-9-]*[a-z0-9])?"
[regex]::MAtch($txt, $re, "IgnoreCase ")

但是这个答案还有其他部分.正则表达式本质上不太适合解析XML/HTML.您可以在此处找到更多详细信息:使用正则表达式解析HTML:为什么不呢？

为了提供真正的解决方案,我先推荐

1. 转换HTML→XHTML
2. 走过XML树
3. 即使使用正则表达式,也可以逐个使用各个节点.