求助从大文本中提取邮件地址

affempire

本人有一个1G大的文本文件，里面是一些乱七八糟的文字，但是有部分邮箱地址 ，我想把这些邮箱地址提取出来 ，有什么好办法吗？试了好几个提取工具，连文本都打不开，打开文本超过5M就没反应了，有更好的办法吗？江湖救急！！谢谢！！！
" y2 W$ g: ]) i% P  t, i$ Z6 E  v% Y

qiqinjun

PHP 一行一行的读取 然后从每一行里面正则表达式去匹配邮箱 应该是可以搞定的

l890908

1G  分分钟搞定

行书

[\w!#$%&'*+/=?^_`{|}~-]+(?:\.[\w!#$%&'*+/=?^_`{|}~-]+)*@(?:[\w](?:[\w-]*[\w])?\.)+[\w](?:[\w-]*[\w])?
+ t) v+ E5 h6 g8 {这个正则可以匹配，不过具体要用其他工具来实现匹配。

idea2money

懂点编程的话用读取字节的IO函数读取加转换处理，3个G大小没问题，再大就用内存映射的方法。

7 i  W. x8 l4 H/ x8 @# u不懂编程的话先将大文本分割成很多个小文件，再用你找到的那些工具处理。

syoi489

hadoop，3个t也能给你搞了

我是c罗

写个正则匹配。。。。

shenpig

各显神通.~~  我就找个漂亮的小妹 让她慢慢处理吧...

affempire

大神真多啊！有没有现成的工具推荐一下？自己编程太麻烦了

行书

http://tool.oschina.net/regex#
8 v$ q* g& A2 q- {本来想自己写一个python脚本，不过中午折腾rb格式，没折腾出来。
0 \; k2 e- S5 C- j" V+ L目前手动比较方便一点的就是，把内容放到上面这个正则工具里，点击右边的匹配邮箱，然后点击测试匹配。下面邮箱就全部匹配了。
( W. o; H1 c- `9 W鼠标移动上去，拉取，选中，复制到其他txt，excel里。搞定。

妖妖

EDITPLUS+正则

affempire

大神们 是1G的文本文件 不可能手工粘贴上去。更不是一个文本编辑器能处理的

alibaba

EmEditor（文本编辑器）。官方说的处理248G的文件也不在话下。然后用正则表达式把非邮箱的字符替换为空白，把邮箱留下就可以了。

affempire

alibaba 发表于 2017-12-3 21:25
EmEditor（文本编辑器）。官方说的处理248G的文件也不在话下。然后用正则表达式把非邮箱的字符替换为空白， ...

9 `: n: x* N3 \# h3 c大神能给个正则表达式替换的例子吗？

bjzhush

/ p/ R$ Z3 c9 s6 ]6 b) b! P
' x) L0 J& W& X8 t$ V花了几分钟帮你写了下
. h5 V- S0 h/ U! H: f例如源文件为这个txt
. h9 G& z# p7 q6 A; H5 I! ^1 j➜  ~ cat x.txt
3 H' [2 s4 Q' q) ^. Jhitest
[email protected]
% S3 R. r7 D6 K* W- f% rhi  [email protected] test
3 e5 ]" F4 X3 r: ?9 K[email protected]  [email protected]
% x- i) V' U2 s9 C# w执行后，得到result.txt
➜  ~ cat result.txt
! w$ c4 }; F6 w6 }+ x: z/ b6 k[email protected]
, z- S/ n8 g+ p4 k8 j) m5 Z' v[email protected]
' x5 j* G% G: H0 I3 d9 E& Q[email protected]
[email protected]

代码如下：
9 V4 W6 v: w& \( b( X

1. <?php
   
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   2 o# u. k: P# S0 d
5.     exit('failed to open'.$file);
   * p+ }0 a0 [1 h( l& x
6. }
   
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   : q0 }. E; }+ w& {: W6 w
9.     $lineNumber++;
   0 Y# p& |% i. z, C; i  z& }6 S
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    ; r) t9 X- o! N, i3 r* d1 W
11.     preg_match_all($pattern, $line, $matches);
    
12.     if (!empty($matches[0])) {
    4 @+ g' W; a, K8 r- C- E" O: F
13.         foreach ($matches[0] as $mail) {
    
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    
16.         }
    # X0 @; ~5 N7 F8 n% D
17.     }
    
18. }
    / ~2 `2 q$ }. Q/ [. ~3 W% x  m
19. echo "All Done";
    

复制代码

功能：支持提取一行多个email地址，结果全部保存到result.txt ，没有做去重
使用：代码里面的源文件是x.txt ，可以换成你自己的文件名，php保存为getMail.php  然后  php getMail.php 结果保存在result.txt里面