OpenRefine正则表达式和GREL匹配误差

Question

在openRefine内部，我想在一个网站的源上运行下面的regex，它可以找到带有mailto链接的电子邮件地址。我的问题是，当运行value.match时，我会得到以下错误：

在偏移量12处解析错误:糟糕的正则表达式(索引10 .*mailto:[^ ]附近的未封闭字符类)

我已经在没有value.match的另一个环境中测试了这个表达式，它可以工作。

value.match(/.*mailto:[^/"/']*.com.*/)

Answer 1

isNotNull(value.match(/.*mailto:[^\"\']*.com.*/)) 

正如在match()函数的参考页面中所描述的，它返回RegEx模式中的捕获组数组，如果您的值与该模式相同，则isNotNull()将输出真或假。

这里还描述了：https://github.com/OpenRefine/OpenRefine/wiki/Understanding-Regular-Expressions#basic-examples

您也可以使用get()，如这里在我们的wiki上的累赘描述，但只有在每个单元格只有一个电子邮件地址的情况下才能正常工作(因为get()函数没有编号，可以进行假设，并使用数组的长度来确定最后一个元素，而不是第一个或第三个元素，等等)：https://github.com/OpenRefine/OpenRefine/wiki/Recipes#find-a-sub-pattern-that-exists-at-the-end-of-a-string。

例如：

get(value.match(/.*(mailto:[^\"\']*.com).*/),0)

Answer 2

所以如果你有这样的短信：

Blah blah <a href="mailto:j.bloggs@example.com">mail me</a>

要使用OpenRefine中的匹配函数提取电子邮件地址，您需要使用：

value.match(/.*mailto:([^\"\']*.com).*/)

这将提供一个包含电子邮件地址的数组，该地址是使用捕获组捕获的。要从数组中提取电子邮件地址(如果要将邮件地址存储在OpenRefine单元中是必要的)，需要从数组中获取字符串值。例如：

value.match(/.*mailto:([^\"\']*.com).*/)[0]

原始表达式和这个表达式的不同之处在于，字符被正确转义，并且有一个捕获组--基本上实现了上面注释中@LukStorms的建议。