数据泄露后使用grep在文件服务器检索含邮箱文件路径无结果求助

1. 文件筛选规则失效 #

--include='*.{csv,xls,xlsx,txt}'写法存在兼容性缺陷：

• 单引号包裹的大括号通配符不会触发shell的brace展开逻辑，grep本身不支持大括号风格的多值匹配参数，会把整个通配串当成单一文件名规则，无法匹配到对应后缀的文件
• 正确写法需拆分为独立的--include参数，分别指定每类目标后缀

2. 正则语法匹配逻辑失效 #

你写的邮箱匹配正则是基于扩展正则规则设计的，但grep默认运行在基本正则模式下：

• 基本正则模式中，+作为重复量词需要额外加反斜杠转义，否则会被解析为字面加号字符，实际匹配逻辑与设计预期完全偏离，自然无法匹配到正常的邮箱地址
• 修正方式：为grep增加-E参数启用扩展正则模式，无需额外转义正则中的+、?等专有元字符

3. 非纯文本文件无法直接扫描 #

• .xls（二进制OLE格式）、.xlsx（ZIP压缩包封装格式）不属于纯文本类文件，直接用grep扫描原始文件的二进制流，根本无法读取文件内部存储的明文内容，哪怕文件内存在大量邮箱地址也无法完成匹配
• 这类表格文件需提前通过对应转换工具（如xlsx转csv工具、电子表格导出纯文本功能）提取内容后，再开展正则匹配

4. 检索范围与权限偏差 #

• 原命令以*作为检索根路径，仅会扫描当前执行目录下的内容，如果执行命令的位置不在文件服务器的挂载根路径下，自然无法扫描到目标存储内的文件
• 执行命令的用户如果缺少对应目录、文件的读取权限，grep会静默跳过无权限访问的条目，不会输出任何匹配结果

修正后的参考执行命令 #

# 替换<目标扫描根路径>为实际文件服务器的挂载/访问路径
grep -lrE \
  --include='*.csv' \
  --include='*.txt' \
  --include='*.xls' \
  --include='*.xlsx' \
  "\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,6}\b" \
  /path/to/target/root > output.txt

补充提示：若需扫描xlsx压缩包内部的内容，可搭配管道先解压提取包内XML文本再做匹配，或使用带文档解析能力的专用检索工具，避免直接扫描压缩流无匹配结果的问题。

内容的提问来源于stack exchange，提问作者Kyle Johnson