Shell 解析文本中的电子邮件地址和URL，解析电子邮件地址和URL是一项常见任务。正则表达式能够帮助我们简化相关的工作。
实战演练
能够匹配电子邮件地址的正则表达式如下：
[A-Za-z0-9._]+@[A-Za-z0-9.]+.[a-zA-Z]{2,4}
例如：
$ cat url_email.txt
this is a line of text contains,<email> #[email protected].
</email> and email address, blog "http://www.google.com",
[email protected] dfdfdfdddfdf;[email protected]<br />
<a href="http://code.google.com"><h1>Heading</h1>
因为用到了扩展正则表达式（例如+），所以得使用egrep命令：
$ egrep -o '[A-Za-z0-9._]+@[A-Za-z0-9.]+.[a-zA-Z]{2,4}'
url_email.txt
[email protected]
[email protected]
[email protected]
匹配HTTP URL的egrep正则表达式如下：
http://[a-zA-Z0-9-.]+.[a-zA-Z]{2,4}
例如：
$ egrep -o "http://[a-zA-Z0-9.]+.[a-zA-Z]{2,3}" url_email.txt
http://www.google.com
http://code.google.com
工作原理
如果逐个部分进行设计，这些正则表达式其实很简单。在匹配电子邮件地址的正则表达式中，我们都知道电子邮件地址可以采用[email protected]_2-4_letter_suffix这种形式。那么，在编写正则表达式时也要遵循同样的规则：
[A-Za-z0-9.]+@[A-Za-z0-9.]+.[a-zA-Z]{2,4}
[A-Za-z0-9.]+表示在表示字面意义的字符@出现之前，[]中的字符需要出现一次或多次（这也正是+的含义）。接下来就是域名，它是由包含字母或数字的字符串、点号以及2至4个字母组成的。模式[A-Za-z0-9.]+能够匹配字母-数字字符串。.能够匹配必须出现的字面意义上的点号。[a-zA-Z]{2,4}能够匹配长度为2、3或4的字符串。
匹配HTTP URL与匹配电子邮件地址类似，只是不需要匹配name@部分：
http://[a-zA-Z0-9.]+.[a-zA-Z]{2,3}
此处评论已关闭