AdvertCN - 广告中国

 找回密码
 立即注册

QQ登录

只需一步,快速开始

PropellerAds
Google-Bing-Mediago-Criteo开户
⚡️按条S5代理⚡️静态⚡️独享⚡️5G广告专用虚拟卡/U充值/高返点皇家代理IP⚡️#1性价比⚡️
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
⚡️AdsPower:安全不封号,高效自动化Google FB TK游戏代投⚡️E.PN 虚拟卡⚡️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)IPCola原生住宅IP⚡️$1.8/条双ISPFB资源,账单户,分享户,国内一手TK加白户/二解户/FB海外户/GG老户
海外CL企业户源头FB广告Spy工具⚡免费试用✅ FB个号1块一个TikTok2审户/老户/国内外端口/加白
GG,FB,TK, 欧美源头, 欢迎合作❤️FB企业户海外户,授信户,TK加白户联盟收款/海外资金下发/服贸结汇域名防红⚠斗篷工具/可试用3天
广告位出租8500万高质量住宅IP,助力各种需求虚拟卡返佣1%,国内持牌机构 
查看: 27954|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

2586

广告币

2791

积分

高级会员

Rank: 4

积分
2791

社区QQ达人

发表于 2017-12-1 00:08:03 | 显示全部楼层 |阅读模式
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!!!
" K+ ?0 K' U) l
相关帖子
回复

使用道具 举报

23

主题

1341

广告币

2288

积分

高级会员

Rank: 4

积分
2288

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])?
- V. j" J, w9 o7 t# 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。
9 Y# O) @$ F% I3 m4 t
4 g, p% o; C# s  o8 C6 M, k2 z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

60

主题

830

广告币

2056

积分

高级会员

Rank: 4

积分
2056

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

53

主题

780

广告币

1441

积分

高级会员

Rank: 4

积分
1441

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

2021

广告币

2596

积分

高级会员

Rank: 4

积分
2596

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

2586

广告币

2791

积分

高级会员

Rank: 4

积分
2791

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#  r, y! |- H0 O$ r0 F- o( A. X
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。
3 g  M* r  t% K' ^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。
4 u% X) F$ Q6 m& s3 n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

1827

广告币

2706

积分

高级会员

Rank: 4

积分
2706

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

2586

广告币

2791

积分

高级会员

Rank: 4

积分
2791

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

27

主题

1057

广告币

2681

积分

高级会员

Rank: 4

积分
2681
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

2586

广告币

2791

积分

高级会员

Rank: 4

积分
2791

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: Z1 Z  ~. p" l% v' ]
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, ...

4 B: N( N0 c' B  D  A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 " r1 k; |$ |2 G, J; y

, t) m3 f& {& X7 k, y5 C花了几分钟帮你写了下
* r& i: Q/ B8 F- |; z例如源文件为这个txt3 f9 V7 Y4 s8 ^' Q
➜  ~ cat x.txt9 J  f/ |; z0 s, h  h- v! m
hitest
" |9 l2 b% V$ k5 H9 r; ^1 Y[email protected]
9 w' j( D3 T+ [4 c+ Yhi  [email protected] test
4 s5 V/ I# B) Z/ A& V# Q5 A[email protected]  [email protected]. }) ]5 u1 a6 T8 a
执行后,得到result.txt
, p% B+ }8 J% M➜  ~ cat result.txt
. V5 ]2 W, X# v+ U9 ^1 u[email protected]& ?1 a) M/ Z' t
[email protected]  q- Q3 C4 F) y/ V
[email protected]1 S7 P$ y; O9 E) ^
[email protected]
- @  i9 w5 v/ e& Y- p! c& V8 T% ]4 t* a* Q
, Y7 t# a9 t5 `; ^( E# R代码如下:5 G+ n  L" {6 l$ Y, t  A  T
  1. <?php
    ' T" A+ x) a8 k7 }5 T0 u
  2. $file = 'x.txt';) Q  |0 B6 ?- l& z6 s% @
  3. $fp = fopen($file, 'r');
    . S3 d4 }; H) l3 m' z
  4. if (!$fp) {
    : J4 |0 {  p' V1 b
  5.     exit('failed to open'.$file);
    4 z% H* [* Z+ d- d
  6. }
    0 _( H# r" H+ p: I) h% Q
  7. $lineNumber = 0;" m9 W6 t4 }$ T+ G/ |7 T( m6 y
  8. while($line = fgets($fp)) {
    . [/ T+ ~: Z  B( X
  9.     $lineNumber++;- X( y! \9 O6 z3 [4 ^% F
  10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';$ a1 A  p1 X4 |) a$ g, H
  11.     preg_match_all($pattern, $line, $matches);# Q4 t+ M0 u- ?+ T6 U
  12.     if (!empty($matches[0])) {6 Z2 Y6 \; i" j2 c8 N% _5 l
  13.         foreach ($matches[0] as $mail) {
    8 [) S2 f3 l  s& I6 ~/ M
  14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    - z$ I2 l. g( |* i. J4 K3 D  Z
  15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    ) p' m& [1 n! S0 ]
  16.         }
    " A/ Y3 s* k: `, X# t2 @
  17.     }- |9 s" z! t( q# K8 h8 j' C
  18. }) C% M$ |- D/ i, J7 @
  19. echo "All Done";( X# i/ R- y4 J, E) k# 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
, f7 R0 o5 r7 x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, 2026-6-11 17:10 , Processed in 0.055047 second(s), 15 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