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。

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。
& a1 a( }9 {. 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。
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

+ {4 ?( _) j6 {
花了几分钟帮你写了下
% |+ F; _1 d, H/ _& Y6 b例如源文件为这个txt
$ J% G$ `: Z: H5 Y- n, z5 L2 v➜  ~ cat x.txt
hitest
, A$ s: _- [3 e; B# t6 |3 V# V, V[email protected]
1 r. D+ g7 C0 whi  [email protected] test
. R  u( [3 e! a[email protected]  [email protected]
执行后，得到result.txt
➜  ~ cat result.txt
/ {5 s, {0 M$ f5 d8 L' S" `' ~[email protected]
5 }* b8 V- \/ d( ~$ p, T9 {[email protected]
[email protected]
[email protected]

代码如下：

1. <?php
   # Y% X' m' _- \; ~' w; u! @
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   * f# A2 U0 E+ G! R
4. if (!$fp) {
   5 q4 d5 o' O7 @7 z: P& {1 w7 H
5.     exit('failed to open'.$file);
   ( _% v- D1 P3 h$ w' |3 q2 a% x
6. }
   ( O; o1 `( D  a& Z3 N- c- E7 x/ \
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   
9.     $lineNumber++;
   & b$ B* O# t8 I& [. V- Q
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    ; l% u7 S& ^1 W4 d
11.     preg_match_all($pattern, $line, $matches);
    5 e6 u( t: O! n  K0 {
12.     if (!empty($matches[0])) {
    
13.         foreach ($matches[0] as $mail) {
    5 n- i( z# Y2 F. A
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    % ~. S) K, v- Z- \2 Q8 G6 |, [
16.         }
    0 e9 n+ i& W1 h* Y* _9 D0 v
17.     }
    7 E- k% G/ |5 r. ^( D# S- V
18. }
    : S1 t7 n* b3 {' d/ g
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