如何用Bash的Grep正则匹配仅含单个顶级域名的邮箱

问题根源 #

你使用的grep -E采用POSIX扩展正则标准，不支持负前瞻这类Perl兼容正则（PCRE）特性；而添加$的正则仅能匹配行尾的邮箱，若日志中邮箱后还有其他内容就无法命中。

解决方案1：使用grep的PCRE模式（推荐） #

大部分GNU grep支持-P选项启用PCRE，直接复用你原本的正则即可生效：

grep -P -o '[A-Za-z0-9.]+@[A-Za-z0-9-]+\.[A-Za-z]{2,}(?!\.[A-Za-z])' log.txt > mails.txt

• -P：启用Perl兼容正则，让负前瞻(?!\.[A-Za-z])生效，确保顶级域名后不会出现.字母的多级域名结构
• -o：仅输出匹配到的邮箱部分，无需依赖行尾位置

解决方案2：无PCRE支持时的替代方案（awk实现） #

如果你的系统不支持grep -P（如部分BSD系统），可以用awk先匹配所有基础格式的邮箱，再过滤掉多级顶级域名的情况：

awk '{
    while (match($0, /[A-Za-z0-9.]+@[A-Za-z0-9-]+\.[A-Za-z]{2,}/, mail_arr)) {
        candidate = mail_arr[0]
        # 排除末尾包含两个及以上顶级域名段的邮箱
        if (candidate !~ /\.[A-Za-z]+\.[A-Za-z]+$/) {
            print candidate
        }
        # 截断字符串，继续匹配后续内容
        $0 = substr($0, RSTART + RLENGTH)
    }
}' log.txt > mails.txt

解决方案3：纯POSIX扩展正则实现 #

也可以用扩展正则结合sed处理，避开PCRE特性：

grep -E -o '[A-Za-z0-9.]+@[A-Za-z0-9-]+\.[A-Za-z]{2,}([^A-Za-z.]|$)' log.txt | sed 's/[^A-Za-z0-9.@-]$//'

• 正则部分匹配邮箱后接非字母点的字符或行尾
• 用sed移除邮箱末尾可能附带的非邮箱字符（如空格、标点）

内容的提问来源于stack exchange，提问作者Y2theZ