【完美解决】求一段Nodejs的邮箱正则表达式，用于匹配采集匹配的。

当然可以。根据您的需求，我们可以通过修改现有的代码来实现一个有效的邮箱正则表达式，并确保它能够正确地从网页内容中提取邮箱地址。

修改后的代码

const request = require('request');

var qHref = "http://www.douban.com/group/topic/10712106/";

// 定义函数
var getAHref = function(htmlstr) {
    // 使用更严格的邮箱正则表达式
    var reg = /\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b/g;
    
    var arr = [];
    let match;
    while ((match = reg.exec(htmlstr)) !== null) {
        arr.push(match[0]);
    }
    return arr;
}

exports.sp = function() {
    request.get({ url: qHref, headers: { 'User-Agent': 'request' } }, function(error, response, data) {
        console.log('response.statusCode:' + response.statusCode);
        if (!error && response.statusCode == 200) {
            const content = data; // 获取到网页内容
            const emails = getAHref(content); // 获取邮箱地址
            console.log(emails);
        }
    });
}

解释

1. 正则表达式:

   • /\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b/g 是一个比较严格的邮箱正则表达式。
     • \b 表示单词边界，确保匹配的是完整的邮箱地址。
     • [A-Za-z0-9._%+-]+ 匹配邮箱的用户名部分，允许字母、数字、下划线、点号、百分号、加号和减号。
     • @ 是邮箱地址中的必选字符。
     • [A-Za-z0-9.-]+ 匹配域名部分，允许字母、数字、点号和减号。
     • \.[A-Z|a-z]{2,} 确保域名后缀至少有两个字符（如 .com, .net 等）。

2. 循环匹配:

   • 使用 while ((match = reg.exec(htmlstr)) !== null) 循环匹配所有符合正则表达式的邮箱地址，并将它们添加到数组 arr 中。

3. 输出结果:

   • 在请求成功后，从响应数据中提取内容，并调用 getAHref 函数提取邮箱地址，最后输出这些邮箱地址。

这样，您就可以使用这段代码来从网页内容中提取并匹配邮箱地址了。

回答

邮箱正则表达式的编写需要考虑到一些特殊情况，比如 ., - 等字符的使用。以下是经过调整后的邮箱正则表达式示例：

var emailRegex = /^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/;

这段正则表达式可以匹配大多数标准的电子邮件地址。下面是修改后的 getAHref 函数示例：

function getAHref(htmlstr) {
    var reg = /[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}/g;
    var matches = htmlstr.match(reg);
    return matches ? matches : [];
}

exports.sp = function() {
    request.get({ url: qHref, headers: { 'User-Agent': 'request' } }, function(error, response, data) {
        if (!error && response.statusCode == 200) {
            var emails = getAHref(data);
            console.log(emails);
        }
    });
};

解释

1. 正则表达式：新的正则表达式 /[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}/g 更加灵活，能够匹配包含特殊字符（如 ., -, _, %, +, -）的电子邮件地址。

2. 函数修改：在 getAHref 函数中，使用 htmlstr.match(reg) 来获取所有匹配的电子邮件地址，返回一个数组。

3. 请求处理：在 sp 函数中，请求网页内容并传递给 getAHref 函数以提取电子邮件地址，并输出结果。

这样修改后，你的代码应该能够正确匹配并采集网页中的电子邮件地址了。