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！！！

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。
  z8 \& w' P6 O' c
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#
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。
, X- L& r! A! G* G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。
( d% @( s; j4 [1 n0 B' e* `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， ...

大神能给个正则表达式替换的例子吗？

bjzhush

( k  R* g+ v2 Z7 N& h1 B
花了几分钟帮你写了下
例如源文件为这个txt
( T0 q( U3 g$ j( Y- L& M$ Z➜  ~ cat x.txt
hitest
  @# J; W8 B9 p: ]$ k$ V[email protected]
hi  [email protected] test
. U% J; s/ w6 d1 u# H0 E[email protected]  [email protected]
, ?( b( R/ d9 |执行后，得到result.txt
1 r" Z9 G  `* J0 _4 P+ u4 M➜  ~ cat result.txt
- L/ N( [) d0 Y, ~% z[email protected]
1 C7 y& F- H4 W+ Z  U) p[email protected]
[email protected]
0 i' D$ y3 q% ?; k[email protected]
0 \5 t' P/ w) a9 W3 _$ ^5 h
2 l, U$ i, A4 E代码如下：
( r0 f/ E0 V* b. u5 t9 X" N

1. <?php
   7 k, V0 Y; ~' T8 y8 R! M
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   : H/ I: Q9 n$ P3 U$ r' A
6. }
   1 q2 ?" A  f1 R3 |# V
7. $lineNumber = 0;
   9 l2 K2 [+ V* B1 x4 B6 a
8. while($line = fgets($fp)) {
   $ {' J2 ~, ?: y% v! K  I
9.     $lineNumber++;
   
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    7 W4 N5 c/ q" Z. J6 m
11.     preg_match_all($pattern, $line, $matches);
    3 C$ Z. O* o# K/ _5 o" S* b) b9 A
12.     if (!empty($matches[0])) {
    
13.         foreach ($matches[0] as $mail) {
    2 C: j+ J. @) ]+ U
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    9 ?1 n* X8 p. q
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    
16.         }
    ; P) U; K8 H! s* ]4 E: P9 p
17.     }
    
18. }
    9 o& F$ `- I% P: x
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
7 w8 y. z) V( [) }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