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])?
  ]" \. |, p1 T' R/ _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#
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
: }8 g1 N0 n& ]+ YEmEditor（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， ...

7 g4 p4 T/ Y+ R大神能给个正则表达式替换的例子吗？

bjzhush

$ U6 }) Q$ i$ w+ o
3 U$ k/ h; j2 n* Q6 x花了几分钟帮你写了下
例如源文件为这个txt
/ P- S1 a/ U  M) p- a' A2 X- L➜  ~ cat x.txt
hitest
- U. P3 W# V, E[email protected]
/ L1 q. [5 F% }& V! ]$ n4 _hi  [email protected] test
[email protected]  [email protected]
执行后，得到result.txt
: T* k2 v8 Z/ g( K5 D- r➜  ~ cat result.txt
[email protected]
[email protected]
# t4 T$ m8 c. i2 X! T; s, `- }[email protected]
[email protected]

  ]2 w4 t+ M, J0 @* x7 f8 G3 e9 q代码如下：
0 I% O1 F  R/ g4 ]) B

1. <?php
   
2. $file = 'x.txt';
   $ J. B( @4 {" l, l* V, C) B
3. $fp = fopen($file, 'r');
   1 L: ?# Z+ L, _/ a4 u
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   6 b( F) i3 g& G6 j
6. }
   
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   / A5 o, r' W6 X1 `, {$ W
9.     $lineNumber++;
   2 }5 H. i- H* M6 b
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    9 `) D6 _0 s+ g0 _
11.     preg_match_all($pattern, $line, $matches);
    5 K0 W- Q0 ]' B' W' Q
12.     if (!empty($matches[0])) {
    9 ~- L! r/ _! Z6 A( |/ H
13.         foreach ($matches[0] as $mail) {
    5 K6 S' ^' \2 W
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    " W, q0 e3 v' t& Z$ y+ ]; ]
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    , D3 N! D0 j& O0 L  D6 d
16.         }
    + \* d  q$ E7 ^* B$ d
17.     }
    ) f5 g* }! e- g/ b. G$ m; P
18. }
    - @9 C- g+ }4 [) O
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