仅用REGEX剔除文本中非邮箱内容 无替换函数权限场景技术问询

可用正则表达式 #

调用API时开启忽略大小写的正则匹配参数，传入以下正则即可匹配所有非邮箱内容，API删除匹配内容后就会仅剩符合要求的邮箱地址，存在多个邮箱时会自动用空格分隔：

(?!\b[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,6}\b).

规则说明 #

• 覆盖绝大多数日常使用的邮箱场景：支持邮箱前缀包含英文字母、数字、.、_、%、+、-等合法字符，支持多级后缀域名（如xxx@xxx.edu.cn），适配2~6位长度的常用顶级域名
• 核心逻辑采用C#兼容的负向前瞻断言，跳过所有符合邮箱规则的字符，仅匹配其余所有非邮箱内容，完全适配当前API仅删除匹配内容的逻辑

注意事项 #

• 忽略大小写参数为必填项，未开启时大小写混合的邮箱可能会被误删
• 最终提取准确率和OCR输出的文本质量直接相关，OCR无识别错误的场景下可100%提取有效邮箱

内容的提问来源于stack exchange，提问作者Cogicero