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！！！
: h+ C8 [. z$ J: ^+ v! L* M. V& D

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])?
5 B1 V; a3 Q; |9 d1 o/ G* N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。

$ v/ |9 N' ?4 Q; i9 A, J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
! }; J3 e$ f$ B  n- \! yEmEditor（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 o7 }+ c: i# _1 I. l) h大神能给个正则表达式替换的例子吗？

bjzhush

" Q2 [  q- B3 `5 E& T
0 A9 l" b6 e& n8 N3 s( [花了几分钟帮你写了下
例如源文件为这个txt
➜  ~ cat x.txt
hitest
[email protected]
hi  [email protected] test
) Y, L& [3 }6 E4 n7 b) H. \[email protected]  [email protected]
7 v/ K" J' K% L1 b8 C执行后，得到result.txt
% H& r# p: {4 ]. l; W% i1 J& o➜  ~ cat result.txt
2 q4 \3 a( @( u, T) C, H[email protected]
[email protected]
[email protected]
! a, ~7 A5 {8 [" m/ F" v. ?[email protected]

代码如下：
& I) @; q8 g2 ^  A4 J! q9 j

1. <?php
   4 ~6 D' e" w/ K2 c7 e  i+ h/ \7 f
2. $file = 'x.txt';
   , @$ G" Z1 N+ x
3. $fp = fopen($file, 'r');
   5 c+ `% z( d! _9 N% ?
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   
6. }
   
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   
9.     $lineNumber++;
   " ~# V. b8 w% H- h8 C
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    : ~+ R( M8 `- K: {$ c7 T) q# a. b5 o5 x
11.     preg_match_all($pattern, $line, $matches);
    * q( O% @* ?! X; A  E
12.     if (!empty($matches[0])) {
    ( c' i( z0 Q$ C
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.         }
    
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
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