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！！！
1 E: N1 b) c  `0 p. o

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])?
* a9 V( t: X  I4 L' O8 I8 ^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
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

6 t( @+ s7 v: B( Y. p
花了几分钟帮你写了下
例如源文件为这个txt
1 a6 U+ a1 l, o( a- ^➜  ~ cat x.txt
5 F) @/ P5 x2 S! |hitest
" K/ \$ ~% p- J3 T, g! e[email protected]
hi  [email protected] test
# l) Y) A9 d/ N1 Q[email protected]  [email protected]
, B8 |- C% C6 \. c- {执行后，得到result.txt
➜  ~ cat result.txt
* W# m5 E6 {; w: l1 b5 J2 W( C- s9 V[email protected]
[email protected]
& ^2 u7 g) }) S[email protected]
  L- E) m& }' A& b# V- k! ^# D! i[email protected]
& W0 E$ `! i3 Z7 C7 Z% _
代码如下：
, w' _% a5 a+ J, N* _

1. <?php
   
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   % s+ @7 q! s- y, L
5.     exit('failed to open'.$file);
   # U& h7 d9 H2 c  f5 v
6. }
   " k! c$ Q. p  v" h- Y5 z% l: t
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   
9.     $lineNumber++;
   
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    - D* g( R7 f7 [/ `# s0 V- q
11.     preg_match_all($pattern, $line, $matches);
    3 h2 j8 s4 a- \. T! l$ z. c5 S) y6 I
12.     if (!empty($matches[0])) {
    
13.         foreach ($matches[0] as $mail) {
    
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    
16.         }
    ' e0 ?* I1 k5 r) v
17.     }
    
18. }
    " z7 Z. _3 {& E! u1 T
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