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！！！
" u* P7 b8 k% B

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])?
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。

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#
- G4 _* n4 h2 y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。
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。
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
% z4 A9 K5 C* E; I" e9 BEmEditor（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， ...

大神能给个正则表达式替换的例子吗？

bjzhush

花了几分钟帮你写了下
# M! l3 b& r% J2 C9 U/ v例如源文件为这个txt
2 M6 ]# h+ j4 g' f➜  ~ cat x.txt
hitest
) I7 L# C7 I2 r) E* ~# N( k5 J$ h[email protected]
. ^, i  K! \) a6 Z  v" thi  [email protected] test
/ V. v, q5 t. L8 A3 @1 s, m[email protected]  [email protected]
6 m; G6 K  ^, b$ p执行后，得到result.txt
➜  ~ cat result.txt
[email protected]
* w/ v; Z6 W8 l# t[email protected]
[email protected]
[email protected]

7 Q3 B- e% `8 [代码如下：
# l, v0 t) n, B) s/ f

1. <?php
   
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   2 W- D2 J) D* k1 l+ q
4. if (!$fp) {
   4 N5 J: P; b, E- {# u( M
5.     exit('failed to open'.$file);
   : U: D! j+ B8 Z3 V& h9 m
6. }
   
7. $lineNumber = 0;
   ' P, W, b7 }6 e! N
8. while($line = fgets($fp)) {
   * _( Q  t- ?) l( Y
9.     $lineNumber++;
   9 S: t0 N. _' ~# y# `' e# N; A
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    : R5 _" F8 G; _
11.     preg_match_all($pattern, $line, $matches);
    $ |$ H' q, m; U) U5 i
12.     if (!empty($matches[0])) {
    
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.         }
    4 A6 Q9 Q$ |( ]7 u0 k; Y6 {" L
17.     }
    
18. }
    
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
( ]! H" H" L3 M& K; U. u( ~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