AdvertCN - 广告中国

 找回密码
 立即注册

QQ登录

只需一步,快速开始

 谷歌+Bing+TT+MSN官方代理 
⚡️按条S5代理⚡️静态⚡️独享⚡️5G需要代理IP?⚡️Proxysites.ai⚡️指纹浏览器,就用AdsPower
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
FB BM不限额,短id账单户E.PN 虚拟卡DuoPlus专注打造跨境电商云手机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代理虚拟信用卡+独立站收款
全球虚拟卡, 支持U充值Facebook 批量上广告尤里改 - FB 稳定投放免费黑五教程(持续更新、欢迎交流)
FB 三不限源头 - 自助下户充值转款各种主页、账单户、BM户(优势)⚡️个人户,bm户不限额,账单户9Proxy ⚡️ $0.04/IP, 无限带宽
IPCola原生住宅IP⚡️$1.8/条双ISPGoogle、Bing官方总代  联盟流量开户fb耐用号0.01一个fb账号官方合作商
FB资源,账单户,分享户,国内一手FB企业户BM户账单户源头收FB代投工作室,收TrafficFactory账号IPWO全球住宅代理⚡️免费测试⚡️
FB海外三不限-户源多 费率低PTM全球虚拟卡—进来交个朋友!PTM虚拟卡⚡️费率透明⚡️额度随心FB虚拟卡⚡️消费越多返现越多
广告位出租虚拟卡返佣1%,国内持牌机构  
查看: 26723|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

2465

广告币

2680

积分

高级会员

Rank: 4

积分
2680

社区QQ达人

发表于 2017-12-1 00:08:03 | 显示全部楼层 |阅读模式
Lemft
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!!!+ p) A$ [% |) {: c5 J$ |, Z0 f& ~
相关帖子
回复

使用道具 举报

23

主题

1259

广告币

2205

积分

高级会员

Rank: 4

积分
2205

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])?
0 e$ Z" e: X4 _- R1 K5 S/ A. [4 K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。8 |6 s6 X; X) H' S- m

6 ?9 D& X. d. L* Q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

59

主题

769

广告币

1995

积分

高级会员

Rank: 4

积分
1995

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

52

主题

754

广告币

1415

积分

高级会员

Rank: 4

积分
1415

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

1896

广告币

2480

积分

高级会员

Rank: 4

积分
2480

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

2465

广告币

2680

积分

高级会员

Rank: 4

积分
2680

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#
" {4 v3 [. q5 ~3 E  N1 Z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。
7 w/ h' U2 f( R" f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。( n2 @! @8 U) R
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

1823

广告币

2703

积分

高级会员

Rank: 4

积分
2703

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

2465

广告币

2680

积分

高级会员

Rank: 4

积分
2680

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

26

主题

1059

广告币

2682

积分

高级会员

Rank: 4

积分
2682
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

2465

广告币

2680

积分

高级会员

Rank: 4

积分
2680

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# v+ A9 A5 i& F# G. S' |
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, ...

" k% M3 _- c# A/ O' T9 Y  h# o' M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
  q: d3 j# H' }- ?% e  A* s; l$ S# l7 B, h) w3 [+ j. m" |: V  K
花了几分钟帮你写了下
3 m; j1 B/ O, w, d例如源文件为这个txt: Z! j3 ~4 a; C5 w2 P4 H
➜  ~ cat x.txt4 {6 ]) f) @! g: u, u! T' r
hitest2 x0 D7 g" F0 e) ~; e
[email protected]
, {" F$ a- D* q* e7 Y3 O( Ehi  [email protected] test
( ^/ c+ z1 p$ ^' Q[email protected]  [email protected]9 `* O6 }2 j/ O# D  z
执行后,得到result.txt
( f) G% y+ [' z# v$ n. ?4 t➜  ~ cat result.txt   d; K5 _4 H* f7 F# S- r
[email protected]
! |7 k# w, K& v; m. S[email protected]+ w7 r( i* p' U0 k) ~3 W
[email protected]- L2 u- f( w, c/ x& ~$ y" P0 |
[email protected]
2 G  s# m7 k6 Z
) q# {; {9 G# D+ ]代码如下:
; g' h7 m+ A' R$ N' v
  1. <?php
    # B# I) h0 L: H! S5 _8 j
  2. $file = 'x.txt';2 N6 J0 X( h" b4 |# S
  3. $fp = fopen($file, 'r');$ Z/ x2 i% C6 G0 m) e
  4. if (!$fp) {
    ( n+ g+ N0 v5 n; R% e6 o
  5.     exit('failed to open'.$file);1 a) ?; A7 H( P- D1 R
  6. }
    3 o* u- |; m$ L$ i4 g7 }
  7. $lineNumber = 0;
    % p2 e1 W0 k9 N+ r
  8. while($line = fgets($fp)) {
    , {. j9 n/ c5 o: T8 _  }
  9.     $lineNumber++;+ h+ D6 Y4 A' R. I
  10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    " Z2 i8 W3 x, x1 _
  11.     preg_match_all($pattern, $line, $matches);
    - f1 b. Q2 b* Z; U& M6 L4 |
  12.     if (!empty($matches[0])) {; h6 i5 o8 ~4 c
  13.         foreach ($matches[0] as $mail) {
    ! M/ p, D& q, o% j* ]. D
  14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;' \5 s, C( ^1 y! R- J' ?
  15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    2 s* M/ }0 {' {; B) S
  16.         }0 K! t$ [, T5 G* v
  17.     }7 U/ K* ^, L9 E" ]' Y/ k
  18. }
    * p' I) k, J0 i6 m: C' O6 Z5 S
  19. echo "All Done";
    . D0 \) P7 P& v0 u
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: V7 \# Z6 z# U% f' d' Q0 a
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, 2025-5-2 09:41 , Processed in 0.066100 second(s), 21 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