這幾天因為工作需要，需要在一堆文本中提取如下信息。規(guī)則如下：

1. 提取Email地址規(guī)則（依據(jù)RFC 2822 (RFC2822)）

1). 區(qū)別字符記號 "@"

Mail 本文中，“@” 的前后地址使用的字符為許可使用的1個或者多個。

2). mail 地址許可使用的字符及最大字符數(shù)

Mail 地址可以使用以下82 個字符：

ABCDEFGHIJKLMNOPQRSTUVWXYZ

abcdefghijklmnopqrstuvwxyz

0123456789

!#$%&‘*+-./=?^_{|}~

“@”在外的93個ASCII 字符中，禁止使用以下 11 個字符 ：

"(),:;<>[\]

包括“@” 最多可以識別64 個字符。 超過64個字節(jié)以外的任何允許使用的字符都不能被識別作為E-mail 地址。

延伸閱讀：The Elements of an Email Address

RFC 2822

2. 提取URL地址規(guī)則(依據(jù)RFC 1738 (RFC1738))

1). 區(qū)別字符記號（這里簡單討論一般非智能手機使用規(guī)則，只支持http訪問）

在以下UR L 標識后面跟隨一個或多個( 后面 URL 格式中允許使用的) 字符的情況，到一個區(qū)分字符（后面URL 格式中允許使用的文字以外的任何其他字符）出現(xiàn)為止均為此URL 的一部分。

http://

https://

2). URL 允許使用的字符及最大字符數(shù)

允許使用以下91 個文字：

ABCDEFGHIJKLMNOPQRSTUVWXYZ

abcdefghijklmnopqrstuvwxyz

0123456789

!#$%&‘()*+,-./:;=?@[\]^_`{|}~

94個ASCII 文字中，禁止使用以下3個文字：

"<>

包括URL 區(qū)別字符最大可以識別256 個字節(jié)的字符。 超過256的任何字符URL 將不予識別。

3. 提取電話號碼規(guī)則

1). 號碼可以包括一個和多個以下字符“0”~“9” ，“*”和“#”。

2). 3 <= 號碼長度 <= 32

3).“+”可以做為一個號碼的開始，但不能計算到號碼長度中。

4).“Space”, “-“, “(“, “)”，這四個字符可以穿插在一條電話號碼中，但提取后必須忽略掉這些字符，這些字符同樣不能計算到號碼長度中。

舉例如下：