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！！！
6 r% o$ [+ ^4 i1 w7 [

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])?
0 L) i. ^" O6 a' @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。
% |2 |7 |6 J0 ]% 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。
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
6 k: b( j. j+ C; R5 JEmEditor（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

花了几分钟帮你写了下
4 F: Q  ^* ^7 U% ^1 L0 t例如源文件为这个txt
$ W8 K9 l- N: i4 p➜  ~ cat x.txt
9 ~! `9 U4 Q9 X( ?8 vhitest
* F! V$ L" e2 Y( j: \" K[email protected]
hi  [email protected] test
[email protected]  [email protected]
执行后，得到result.txt
  j: t, b1 i$ ?1 S8 n3 r➜  ~ cat result.txt
% d/ N6 P  S' p; H$ Y8 Y[email protected]
' U7 ?; |) P2 Y& Q7 W. U9 N% d[email protected]
[email protected]
4 v' V) g# W" c& T7 D, O/ Z! A[email protected]

( P5 n4 [, m* m3 h0 X* }( z3 [: C. `代码如下：
; `0 S; n0 T9 o; p. d% u! t" T: T

1. <?php
   
2. $file = 'x.txt';
   0 `6 X3 X+ p" T/ S3 Z# u
3. $fp = fopen($file, 'r');
   3 k: Q9 ?9 v$ H8 f' L, W
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   $ o( U; S* n- y+ C  `
6. }
   
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   - `3 M+ K3 G' D9 ^/ C
9.     $lineNumber++;
   ! j' |# r# m) S/ C( }
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    4 S  B' A5 P. K2 E
11.     preg_match_all($pattern, $line, $matches);
      ^3 w6 }) Q. T3 S& E: P5 A# G
12.     if (!empty($matches[0])) {
      M9 h5 y! O/ M( a* D
13.         foreach ($matches[0] as $mail) {
    ; m' j$ H# A. t! X& N$ e1 N
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    6 D0 F. ~4 m! a( I$ o& r! h0 F' {
16.         }
    
17.     }
    
18. }
    ; d3 p2 p) R. J" @2 ?  h: ^
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