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！！！
" K+ ?0 K' U) l

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])?
- V. j" J, w9 o7 t# K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。
9 Y# O) @$ F% I3 m4 t
4 g, p% o; C# s  o8 C6 M, k2 z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。
3 g  M* r  t% K' ^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。
4 u% X) F$ Q6 m& s3 n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， ...

4 B: N( N0 c' B  D  A大神能给个正则表达式替换的例子吗？

bjzhush

, t) m3 f& {& X7 k, y5 C花了几分钟帮你写了下
* r& i: Q/ B8 F- |; z例如源文件为这个txt
➜  ~ cat x.txt
hitest
" |9 l2 b% V$ k5 H9 r; ^1 Y[email protected]
9 w' j( D3 T+ [4 c+ Yhi  [email protected] test
4 s5 V/ I# B) Z/ A& V# Q5 A[email protected]  [email protected]
执行后，得到result.txt
, p% B+ }8 J% M➜  ~ cat result.txt
. V5 ]2 W, X# v+ U9 ^1 u[email protected]
[email protected]
[email protected]
[email protected]
- @  i9 w5 v/ e& Y- p! c& V8 T% ]4 t* a* Q
, Y7 t# a9 t5 `; ^( E# R代码如下：

1. <?php
   ' T" A+ x) a8 k7 }5 T0 u
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   . S3 d4 }; H) l3 m' z
4. if (!$fp) {
   : J4 |0 {  p' V1 b
5.     exit('failed to open'.$file);
   4 z% H* [* Z+ d- d
6. }
   0 _( H# r" H+ p: I) h% Q
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   . [/ T+ ~: Z  B( X
9.     $lineNumber++;
   
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    
11.     preg_match_all($pattern, $line, $matches);
    
12.     if (!empty($matches[0])) {
    
13.         foreach ($matches[0] as $mail) {
    8 [) S2 f3 l  s& I6 ~/ M
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    - z$ I2 l. g( |* i. J4 K3 D  Z
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    ) p' m& [1 n! S0 ]
16.         }
    " A/ Y3 s* k: `, X# t2 @
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
, f7 R0 o5 r7 x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