如何用Ruby代码从含URL的列表中提取邮箱并保存至文件

太理解这种混杂数据的烦恼了！终端里用几个简单的命令就能快速把邮箱提取出来，我给你两个实用的方案，都是基于系统自带的工具，不用额外安装软件：

grep 是几乎所有类Unix系统（包括Linux、macOS）都自带的工具，用正则表达式精准匹配邮箱格式就行：

grep -E -o '[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}' 你的原始文件名.txt > 清理后的邮箱列表.txt

• -E：启用扩展正则，让匹配规则更灵活
• -o：只输出匹配到的邮箱内容，不会带出整行里的URL或其他垃圾内容
• 后面的正则表达式覆盖了绝大多数标准邮箱格式（比如你提到的news@ydr.com这种完全匹配）
• 把你的原始文件名.txt换成你实际的文件名称，清理后的邮箱列表.txt是保存结果的新文件

如果你的原始列表里有重复邮箱，想顺便去重，可以加个排序去重的管道：

grep -E -o '[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}' 你的原始文件名.txt | sort -u > 去重后的邮箱列表.txt

sort -u会自动排序并移除重复的邮箱条目。

如果你的原始文件里一行有多个邮箱/URL混杂的情况，awk可以逐字段检查，只挑出符合邮箱格式的内容：

awk '{for(i=1;i<=NF;i++) if($i ~ /^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/) print $i}' 你的原始文件名.txt > 清理后的邮箱列表.txt

这个命令会遍历每行的每个字段，只输出完全符合邮箱格式的字段，自动跳过以http://、https://或www.开头的URL。

• 可以先去掉命令末尾的> 文件名，直接在终端运行，预览提取结果，确认没问题再保存到文件
• 如果你的邮箱有特殊格式（比如带引号，但标准邮箱一般不会），可以微调正则表达式，但上面的规则已经覆盖了99%的合法邮箱场景

内容的提问来源于stack exchange，提问作者Apane101