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])?
  ]3 E+ l2 o2 m3 j9 `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。

4 @3 [6 x" ?9 d( o+ P% `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。
$ O) X7 E' M6 ]# w9 {) x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。
3 T  O% a* ]5 H# \, d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
+ }1 z( M0 o! c1 @$ Z+ C- S/ p1 mEmEditor（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

' w" H0 H! w& E/ }( i6 k
7 q. W( v4 l3 Z+ l8 j; W花了几分钟帮你写了下
  G8 d) V$ l2 l例如源文件为这个txt
7 S7 Z$ j' ]* r# {+ U➜  ~ cat x.txt
, K$ P- C7 z1 L1 M" t- ~hitest
0 H$ r4 _' S% L2 o[email protected]
( y: F. ^" N- E$ ]7 l/ ~# Thi  [email protected] test
[email protected]  [email protected]
$ f( S  S& @5 _9 j执行后，得到result.txt
➜  ~ cat result.txt
[email protected]
[email protected]
[email protected]
1 ?7 I; n4 W. D: S[email protected]
! j$ ^0 s& ^: x8 a; t; d8 E' h
: {3 q' P' V. b  l& u$ v0 k" w  h# f代码如下：

1. <?php
   
2. $file = 'x.txt';
   5 x: S4 |9 R9 |
3. $fp = fopen($file, 'r');
   2 t  }8 X% c% `! P" ?1 ^& u
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   / d% S3 X4 b- Y/ }1 c
6. }
   
7. $lineNumber = 0;
   ; U# T! z+ [0 H! p. i& V
8. while($line = fgets($fp)) {
   7 i6 Y1 q2 @, E) E) _5 p% I5 B; k
9.     $lineNumber++;
   
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    
11.     preg_match_all($pattern, $line, $matches);
    
12.     if (!empty($matches[0])) {
    
13.         foreach ($matches[0] as $mail) {
    
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    * I- M' e+ F. x  S! b5 V
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    * l. H& O0 m: f2 {) B
16.         }
    1 G3 `' \$ _6 T& W
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
0 ~  i* r9 W$ D& c9 g$ 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