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！！！
& \( I6 J5 i, o" Z" C& n1 O% U

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。

) z$ x9 y# M- O% l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
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

花了几分钟帮你写了下
例如源文件为这个txt
% {: w5 z' d0 j➜  ~ cat x.txt
) |8 G6 E2 ~* {( k2 [hitest
) [7 p6 T- A' k[email protected]
: N4 ~: P8 ?) U3 I' ^  Whi  [email protected] test
# g1 Q: C7 I$ z9 f[email protected]  [email protected]
执行后，得到result.txt
➜  ~ cat result.txt
[email protected]
) Q) `$ i7 V8 I- G: A[email protected]
[email protected]
8 Q- l& B/ @  R6 l7 I, a9 l0 B: ?2 ^% a[email protected]
0 j" N- M9 I% e
代码如下：
+ @9 y/ q% N2 |( E, j

1. <?php
   
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   / \# t: S( f% e9 p7 o# A
6. }
   ; O- x2 x7 \+ y% M! R9 p& g6 J
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   9 x, `. {, J( p+ c! @
9.     $lineNumber++;
   8 B; s% F& P5 Z- |  e6 T
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) {
    & ?3 }# D" y4 d7 _+ y9 |( l
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    1 k7 \$ q6 I" ^5 e& R
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    % g0 C4 `8 k2 v0 K3 T
16.         }
      o: F0 a9 z# G6 V
17.     }
    ( d$ d0 E) H( `6 y; F3 Q7 g2 B8 w  i. H: \# e
18. }
    " C1 h6 w1 o! A  Z  ?8 `
19. echo "All Done";
    ) F4 ^7 ]+ D2 _, G

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
0 P1 K( X7 @% p7 J# H5 P, k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