AdvertCN - 广告中国

 找回密码
 立即注册

QQ登录

只需一步,快速开始

PropellerAds
Google-Bing-Mediago-Criteo开户
⚡️按条S5代理⚡️静态⚡️独享⚡️5G广告专用虚拟卡/U充值/高返点皇家代理IP⚡️#1性价比⚡️
Mediabuy⚡️玩家开户首选【鲁班跨境通-自助充值转账】FB/GG/TT❤️官方免费开户Affiliate 全媒体流量资源⚡️
Taboola/Outbrain /Bing⚡️一级代理开户投流-7*24h❤️人工在线【官方】❤️搜索套利买量投流开户独立站⚡️开户投放
⚡️AdsPower:安全不封号,高效自动化Google FB TK游戏代投⚡️E.PN 虚拟卡⚡️BINOM TRACKER 60% OFF!
比Adplexity还好用的Spy工具ADPLEXITY + ADVERTCN7200W全球动态不重复住宅IP代理全球虚拟卡, 支持U充值
各种主页、账单户、BM户(优势)⚡️TikTok企业户,bm户,账单户IPCola原生住宅IP⚡️$1.8/条双ISPFB海外户、GG老户、TK加白老户
PTM虚拟卡[全新卡BIN+高返点]FB虚拟卡⚡️消费越多返现越多最大欧洲Nutra网盟BA找量高品质·稳定高速纯净IP
FB个号1块一个TikTok2审户/老户/国内外端口/加白SX.ORG 高质量代理⚡235+ 地区GG,FB,TK, 欧美源头, 欢迎合作❤️
跨境债务催收/风险代理高权重Google老户[卖户+筛户等级] 海外斗篷・智能广告过审率高达 99%DataImpulse⚡️纯净住宅代理仅 $1
广告位出租8500万高质量住宅IP,助力各种需求虚拟卡返佣1%,国内持牌机构 
查看: 27654|回复: 26

[讨论] 求助从大文本中提取邮件地址

[复制链接]

38

主题

2566

广告币

2773

积分

高级会员

Rank: 4

积分
2773

社区QQ达人

发表于 2017-12-1 00:08:03 | 显示全部楼层 |阅读模式
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!!!
7 L+ Q. w0 \! n2 j5 U* u9 l" m
相关帖子
回复

使用道具 举报

23

主题

1317

广告币

2263

积分

高级会员

Rank: 4

积分
2263

社区QQ达人

发表于 2017-12-1 00:14:04 | 显示全部楼层
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
回复 支持 1 反对 0

使用道具 举报

55

主题

105

广告币

647

积分

中级会员

Rank: 3Rank: 3

积分
647

社区QQ达人

发表于 2017-12-1 08:30:59 | 显示全部楼层
1G  分分钟搞定
回复 支持 反对

使用道具 举报

3

主题

38

广告币

58

积分

初级会员

Rank: 2

积分
58

社区QQ达人

发表于 2017-12-1 08:39:37 | 显示全部楼层
[\w!#$%&'*+/=?^_`{|}~-]+(?:\.[\w!#$%&'*+/=?^_`{|}~-]+)*@(?:[\w](?:[\w-]*[\w])?\.)+[\w](?:[\w-]*[\w])?1 {& E; q1 l5 m# |- m
这个正则可以匹配,不过具体要用其他工具来实现匹配。

评分

参与人数 2广告币 +7 收起 理由
风儿 + 5 赞一个!
chable + 2 可以结合使用EMEDITOR

查看全部评分

回复 支持 反对

使用道具 举报

2

主题

314

广告币

444

积分

中级会员

Rank: 3Rank: 3

积分
444

社区QQ达人

发表于 2017-12-1 08:50:15 | 显示全部楼层
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。, S2 ^/ i5 ~  O4 l

+ M% B8 y  q' Y/ {( y. I# _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。
QQ:2696779792
回复 支持 反对

使用道具 举报

60

主题

826

广告币

2053

积分

高级会员

Rank: 4

积分
2053

社区QQ达人

发表于 2017-12-1 09:46:01 | 显示全部楼层
hadoop,3个t也能给你搞了
回复 支持 反对

使用道具 举报

53

主题

774

广告币

1435

积分

高级会员

Rank: 4

积分
1435

社区QQ达人

发表于 2017-12-1 10:31:22 | 显示全部楼层
写个正则匹配。。。。
我是C罗!!!
回复 支持 反对

使用道具 举报

12

主题

1999

广告币

2576

积分

高级会员

Rank: 4

积分
2576

社区QQ达人

发表于 2017-12-1 12:07:47 | 显示全部楼层
各显神通.~~  我就找个漂亮的小妹 让她慢慢处理吧...
回复 支持 反对

使用道具 举报

38

主题

2566

广告币

2773

积分

高级会员

Rank: 4

积分
2773

社区QQ达人

 楼主| 发表于 2017-12-1 12:28:08 来自手机 | 显示全部楼层
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
回复 支持 反对

使用道具 举报

3

主题

38

广告币

58

积分

初级会员

Rank: 2

积分
58

社区QQ达人

发表于 2017-12-1 13:09:44 | 显示全部楼层
http://tool.oschina.net/regex#
; z+ A# c& @: Q: m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。
3 i" O3 L3 P& O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。
: E$ I" e: q$ C) f6 b鼠标移动上去,拉取,选中,复制到其他txt,excel里。搞定。

评分

参与人数 1广告币 +5 收起 理由
风儿 + 5

查看全部评分

回复 支持 反对

使用道具 举报

103

主题

1827

广告币

2706

积分

高级会员

Rank: 4

积分
2706

社区QQ达人

发表于 2017-12-1 13:31:21 | 显示全部楼层
EDITPLUS+正则
回复 支持 反对

使用道具 举报

38

主题

2566

广告币

2773

积分

高级会员

Rank: 4

积分
2773

社区QQ达人

 楼主| 发表于 2017-12-1 17:15:30 | 显示全部楼层
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
回复 支持 反对

使用道具 举报

27

主题

1057

广告币

2681

积分

高级会员

Rank: 4

积分
2681
发表于 2017-12-3 21:25:04 | 显示全部楼层
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。

点评

大神 我用 正则[-0-9a-zA-Z.+_]+@[-0-9a-zA-Z.+_]+\.[a-zA-Z]{2,4} 绿色高亮了所有EMAIL,问题是我如何给他取反呢?把不是emial的全部替换为空格呢?  详情 回复 发表于 2017-12-4 11:44
大神能给个正则表达式替换的例子吗?  详情 回复 发表于 2017-12-3 23:01

评分

参与人数 1广告币 +2 收起 理由
affempire + 2 NB!

查看全部评分

回复 支持 反对

使用道具 举报

38

主题

2566

广告币

2773

积分

高级会员

Rank: 4

积分
2773

社区QQ达人

 楼主| 发表于 2017-12-3 23:01:50 | 显示全部楼层
alibaba 发表于 2017-12-3 21:25
- N" _* u3 S0 NEmEditor(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, ...

  Q9 i- B% q3 X6 f# J大神能给个正则表达式替换的例子吗?
回复 支持 反对

使用道具 举报

19

主题

290

广告币

532

积分

中级会员

Rank: 3Rank: 3

积分
532

社区QQ达人

发表于 2017-12-4 00:39:19 | 显示全部楼层
本帖最后由 bjzhush 于 2017-12-4 00:45 编辑 , y5 s1 j' M8 A+ R* q

6 I* s8 V7 i9 x% x花了几分钟帮你写了下 2 s* z7 x; ^4 w$ K* C
例如源文件为这个txt
" v- P0 g: Z2 w* i5 _7 ^: m) X➜  ~ cat x.txt
- h) I* V5 k5 X& K" n2 F& lhitest
- w1 C: G- N5 L+ o4 v( o[email protected]
" V" M. o/ C$ e7 E2 Z  Fhi  [email protected] test
7 [' l4 u! f, K, I9 o$ f[email protected]  [email protected]7 K1 D) C% n2 s. k3 t
执行后,得到result.txt
  |; [6 M6 M+ c2 b➜  ~ cat result.txt 0 M. |0 j6 m2 L& b$ n
[email protected]
" v5 i1 J( q; I% I8 R) _' C5 n' O[email protected]) S2 d6 J* y; w0 G" J
[email protected]* a! d2 I& j$ {6 M: {, \
[email protected]6 l* L6 z# {* W6 P

8 C+ _8 C  E- ^; ]/ k$ V3 t代码如下:" Y$ z' P/ ]; x/ R
  1. <?php
    + y/ W5 J& r2 ~2 _8 k  d8 y8 J
  2. $file = 'x.txt';8 \# L1 n3 C6 S4 u- \; h. O
  3. $fp = fopen($file, 'r');& |1 q1 H1 r8 f5 `& O
  4. if (!$fp) {
    ; D- U4 l& o) }0 Y0 d
  5.     exit('failed to open'.$file);+ W* c) N) j. J# V  G
  6. }; ]% p0 G; d3 ]' O3 M
  7. $lineNumber = 0;
    * R; n+ s5 _, C% K" O9 s
  8. while($line = fgets($fp)) {* Y8 H% K1 P/ V" A  n
  9.     $lineNumber++;
    + f9 s8 T# g5 v& I4 E
  10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    ' @5 A8 y0 Z# S" z. @, E; j) v, b
  11.     preg_match_all($pattern, $line, $matches);
    ( \2 I2 Y8 W+ H) d& V: q7 [) g
  12.     if (!empty($matches[0])) {0 U; Q1 F3 \" Y, W* V
  13.         foreach ($matches[0] as $mail) {
    # S) B+ |- {" d( M4 B+ h
  14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    # E, m6 E; J( M3 ]
  15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    + w  V) B5 z+ T' F+ S1 }
  16.         }/ [- I6 k6 L6 I) w9 n8 u
  17.     }
    4 F8 S! b( S- y0 o
  18. }
    : l. S! z$ y: p  k
  19. echo "All Done";
    4 h1 R' e( |+ Z) z
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
& N7 W6 Q+ u, ^1 d$ a) k# T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

点评

谢谢大神。你这个脚本处理速度快吗?我3G的文本文件多久能处理完呢?  详情 回复 发表于 2017-12-4 10:43

评分

参与人数 2广告币 +7 收起 理由
leeker + 5 乐于助人
iyahoo + 2 很给力!

查看全部评分

回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关于我们|联系我们|DMCA|广告服务|小黑屋|手机版|Archiver|Github|网站地图|AdvertCN

GMT+8, 2026-3-27 17:56 , Processed in 0.059463 second(s), 15 queries , Gzip On, MemCache On.

Copyright © 2001-2023, AdvertCN

Proudly Operating in Hong Kong.

快速回复 返回顶部 返回列表