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])?
. o! D2 a, O6 f2 e% |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。
$ q9 S5 [! D: t; t! g4 I0 H2 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。

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。
- r1 X8 m% o6 K7 t$ t* U( q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
9 e' K4 a7 J: B5 c- j) \; q' _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

+ T) T& l- W6 t3 b花了几分钟帮你写了下
例如源文件为这个txt
5 N. y2 o! i- {) v➜  ~ cat x.txt
hitest
[email protected]
; j$ a# `( ~" h" p' H& y6 Nhi  [email protected] test
[email protected]  [email protected]
* A/ Y4 [" q3 Z. d: H2 D1 w8 V执行后，得到result.txt
- F3 M2 ]2 B7 A' z➜  ~ cat result.txt
% r$ K, E. w5 n6 x6 N/ H& [[email protected]
3 ?( v( ?8 \3 l" Z, v* J[email protected]
[email protected]
[email protected]
/ u( G6 d1 y" i' ?9 ]
代码如下：

1. <?php
   4 }2 |4 }* V7 r' N- @
2. $file = 'x.txt';
   2 N1 D9 [1 R. n. y3 D" P
3. $fp = fopen($file, 'r');
   ' I3 B: v2 g- q8 R" {6 _! g' \9 ~" g
4. if (!$fp) {
   . R' W% {) V6 Z  K: n: q
5.     exit('failed to open'.$file);
   
6. }
   ; J* u* O6 P9 D' }
7. $lineNumber = 0;
   1 W1 O$ Z; q4 |5 y
8. while($line = fgets($fp)) {
   ; G1 P: t6 i& X8 H# j
9.     $lineNumber++;
   " E0 K3 k( p7 q- q3 A% a, E, G
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    
11.     preg_match_all($pattern, $line, $matches);
    ; r+ X9 E) G! }6 r( L/ h
12.     if (!empty($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.         }
    
17.     }
    
18. }
    ; C$ q9 h& R  `& Q3 o+ a1 C% [
19. echo "All Done";
    % H1 h" e3 Z- 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
  W4 C) j# F! 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