（来者有分）关于提取目录下eml文件或txt或xls文件中的电子邮件地址

[sunsun123123]

如题，能否用vc代码实现，主要是算法问题。在vckbase中（http://www.vckbase.com/code/listcode.asp?mclsid=1&sclsid=103）也提到，不过经我测试漏洞很多，提取的地址很多是错误的。我的疑问有以下几个：
1、提取算法，最好有代码，没有代码有思路也不错。
2、递规搜索目录可能较慢，有不有更好的搜索目录下所有文件的算法。
3、用CFile打开eml文件或xls文件可以提取到正确的邮件地址吗？会不会不可读？
希望高手为我指点迷津。万分感谢！

[ziyetingxue]

期待结果

[AntonlioX]

2、递规搜索目录可能较慢，有不有更好的搜索目录下所有文件的算法。


void CFileTreeDlg::BrowseFile(CString strFile)
{

CFileFind ff;
CString szDir = strFile;

if(szDir.Right(1) != "\\")
szDir += "\\";

szDir += "*.*";

BOOL res = ff.FindFile(szDir);
while(res)
{
res = ff.FindNextFile();
if(ff.IsDirectory() && !ff.IsDots())
{
//如果是一个子目录，用递归继续往深一层找
CString strPath = ff.GetFilePath();
// CString strTitle = ff.GetFileTitle();

BrowseFile(strPath);
}
else if(!ff.IsDirectory() && !ff.IsDots())
{
//显示当前访问的文件
// CString strPath;
// CString strTitle;
// strPath = ff.GetFilePath();
// strTitle = ff.GetFileTitle();

}
}
ff.Close();//关闭
}

[AntonlioX]

jf

[teli_eurydice]

查找关键字 com net 之类

[AntonlioX]

其实就是个 字符串 查找功能的实现

[sunsun123123]

感谢各位！
to：teli_eurydice(哭泣的仙人掌。。。。)
查找关键字 com net 之类
我已经考虑过，这样会漏掉很多地址，因为很多地址并不一定是标准的。

to：AntonlioX(做人要厚道)
试试正则表达式的类啊？ vckbase里面有个人自己写的 boost开发库里面也有
感谢多次关注，虽然这只是字符串查找的问题，但要较完美的实现，并不容易。利用正则表达式并不重要，关键是算法。我想网上应该有较为成熟的吧，可惜我找了很久没找到。

to：realmiss(边缘)
这类对速度要求比较高的 建议直接采用API操作 不用mfc的类
所以我不想用递规的方法遍历目录，又找不到更好的方法。

[sunsun123123]

算了，10点以前结贴

[xqk]

jf

[sunsun123123]

感谢 AntonlioX(做人要厚道)！
不过你的这个算法我已经找到了^_^，跟vckbase上一样，我现在用的就是它，并且将其中提取邮件帐号的细节改了一下，但还是有些问题。
以下我把vckbase中的和我写的都贴出来，应该我的提取正确率要高一些，但是经我测试还是有些问题,在多个目录中查找时还有些该过滤的帐

号没过滤掉，估计是有些边界细节我没有注意到。希望高手予以斧正,谢谢！

[sunsun123123]

邮件帐号的有效值
1、ChinaRen用户名长度为4-25位，可以是数字、字母(小写)、下划线，必须以字母开头。
2、网易163.com用户名由a～z的英文字母(不区分大小写)、0～9的数字、点、减号或下划线组成，长度为3～18个字符，例如:kyzy_001。
3、Yahoo! ID只能由 英文字母a~z、数字0~9、下划线 组成。Yahoo! ID的 起始字符 必须是 英文字母。如: example_2005。
4、sina不能用汉字，限用英文小写、数字、下划线、不区分大小写，不能单独使用数字，4-25个字符(包括4、25)

总结：
由上可知最合理的提取邮件帐号范围为：
emailaccounts == 45, 46, 95 ;
48 <= emailaccounts <= 57 ;
65 <= emailaccounts <= 90 ;
97 <= emailaccounts <= 122 。
于是查ASCII码表：
CString strEffectMail(".-_0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz") ;

[sunsun123123]

vckbase上的(http://www.vckbase.com/code/listcode.asp?mclsid=1&sclsid=103):我已稍加注释！

void CEAPDlg::BrowseDir(CString strDir)
{
CString flagstr(" \t\"<>\r\n[]{}:;=,'?#!`^$*%()");
//以上是不匹配帐号的值，基于错误值的判断
int bufsize = m_list.GetCount();
CString *Word = new CString [bufsize];
for(int i=0;i<bufsize;i++)
{
m_list.GetText(i,Word[i]);
//m_list是自建对话框类的成员：CListBox m_list;
}
//以上将M_list清空，感觉很笨，不如m_list.ResetContent();

//以下就和AntonlioX(做人要厚道)差不多了
CFileFind finder;
CString szDir = strDir;

if(szDir.Right(1) != "\\")
szDir += "\\";//路径最后加\
szDir += "*.*";

BOOL res = finder.FindFile(szDir);
while( res )
{
res = finder.FindNextFile();
if(finder.IsDirectory() && !finder.IsDots())
//为目录，IsDot不能少，msdn说好像是..或.目录。高手能否解释以下其细节。
{
CString strPath = finder.GetFilePath();
CString strFileName = finder.GetFileName();
BrowseDir( strPath );
}
else if(!finder.IsDirectory() && !finder.IsDots())
//不是目录，当然是文件了,处理关键
{
CString strFileName = finder.GetFileName();
CString strFilePathName = finder.GetFilePath();
CString name = strFileName.Right(4);
if((name.Find(".eml") != -1) ||
(name.Find(".txt") != -1) ||
(name.Find(".dbx") != -1) )
{
CFile file;
if(!file.Open(strFilePathName,CFile::modeRead)) continue;
CString fstring = "";
char *readbuf ;
readbuf = fstring.GetBuffer(file.GetLength());
file.Read(readbuf ,file.GetLength());
file.Close();
fstring = readbuf;
CString s1 = "",s2 = "",s3 = "",s4 = "";

int pos1=0,pos2=0,pos3=0,pos4=0;
while((pos1 = fstring.Find("@")) != -1)
{
s1 = fstring.Left(pos1);
fstring.Delete(0,pos1+1);
s1.MakeReverse();
if((pos2=s1.FindOneOf(flagstr)) != -1)
{
s2 = s1.Left(pos2);
s2.MakeReverse();
}
//以上处理@左边，将其倒置查找离@最近的不匹配值
if((pos3=fstring.FindOneOf(flagstr)) != -1)
{
s3 = fstring.Left(pos3);
}
//以上处理@右边，直接查找离@最近的不匹配值，我觉得应该在if的执行体中加fstring.Delete(0,pos3);
//但我加上后有时程序会出现异常错误
if(s2!="" && (s3.Find(".")!=-1))
{
s4 = s2 + "@" + s3;
m_list.AddString(s4);
}
//连接整个email帐号，加入到m_list中
}
}
}
}
finder.Close();//关闭文件
delete []Word;//释放new空间
}

[lake_wave]

关注！

[lake_wave]

我写的（主要是对上的修改）

void CMYDlg::BrowseDir(CString strDir)
{
CString strEffectMail(".-_0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz");
//以上是邮件@两边正确的字符集。当然还要考虑@右边是否有".";@左边是否为空等等情况。

m_list.ResetContent();

CFileFind finder;
CString szDir = strDir;

if(szDir.Right(1) != "\\")
szDir += "\\";

szDir += "*.*";

BOOL res = finder.FindFile(szDir);
while( res )
{
res = finder.FindNextFile();
if(finder.IsDirectory() && !finder.IsDots())
//为目录，IsDot不能少，好像是..或.目录。
{
CString strPath = finder.GetFilePath();
CString strFileName = finder.GetFileName();
BrowseDir( strPath );
}
else if(!finder.IsDirectory() && !finder.IsDots())
//不是目录，当然是文件了,处理关键。
{
CString strFileName = finder.GetFileName();
CString strFilePathName = finder.GetFilePath();
CString name = strFileName.Right(4);
if((name.Find(".eml") != -1) ||
(name.Find(".txt") != -1) ||
(name.Find(".dbx") != -1) )
{
CFile file;
if(!file.Open(strFilePathName,CFile::modeRead)) continue;
CString fstring = "";
char *readbuf ;
readbuf = fstring.GetBuffer(file.GetLength());
file.Read(readbuf ,file.GetLength());
file.Close();
fstring = readbuf;
fstring.ReleaseBuffer();
//fstring此时为要处理的文本文件等的内容了

CString s1 = "",s2 = "",s3 = "",s4 = "";

int pos1=0, pos2=0, pos3=0;

while((pos1 = fstring.Find("@")) != -1)
{
s1 = fstring.Left(pos1);
fstring.Delete(0,pos1+1);

s1.MakeReverse();

int s1size = s1.GetLength();
while(pos2 < s1size)
{
if(strEffectMail.Find(s1.GetAt(pos2)) == -1)
break;
pos2++;
}
s2 = s1.Left(pos2);
s2.MakeReverse();
//完成@左边，注意还要判断s1为空的情况，最后一起处理吧。

int fstringsize = fstring.GetLength();
while(pos3 < fstringsize)
{
if(strEffectMail.Find(fstring.GetAt(pos3)) == -1)
break;
pos3++;
}
s3 = fstring.Left(pos3);
// fstring.Delete(0,pos3);
//上句不删会出现异常错误，为什么？完成右边
//下面连接整个email帐号了，注意几个异常情况，看if判断条件
//s2为@左边，s3为@右边
if(s2!="" && (s3.Find(".")!=-1) && (s3.GetAt(0)!='@') && (s3.Right(1)!='.'))
{
s4 = s2 + "@" + s3;
if(s4.Find('@') == s4.ReverseFind('@'))
{
m_list.AddString(s4);
}
}
}

}
}
}
finder.Close();//关闭文件，不要忘了哟
}

[sunsun123123]

顶一下，盼关注！

[sunsun123123]

今晚12：00以前结贴，没有实质内容的就平均散发喽。

[realmiss]

这类对速度要求比较高的 建议直接采用API操作 不用mfc的类

[AntonlioX]

试试正在表达式的类啊？ vckbase里面有个人自己写的 boost开发库里面也有