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])?
1 ~1 Y/ W( p/ t% C- a; Y8 C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。

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#
" n6 _6 l# S  `' A& c& y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。
) A( h' r, N  o& s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。
; P7 y; H% a- u4 n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
! {0 X; z: N5 A) D) c# ]% CEmEditor（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
% Y& o7 L/ U4 {' @, Q4 e例如源文件为这个txt
➜  ~ cat x.txt
/ W' X4 P7 I9 Q9 s1 {hitest
& ^/ h* j/ ~' U$ d) g' q[email protected]
hi  [email protected] test
# C0 n* A7 z9 Z- Z[email protected]  [email protected]
4 }9 B# d# z7 I& W执行后，得到result.txt
➜  ~ cat result.txt
[email protected]
[email protected]
[email protected]
0 z7 G! a" B4 V; _2 ?[email protected]
1 M  Z; @9 D: K' s- ^
代码如下：

1. <?php
   
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   8 U$ A) e5 w0 B* }8 N+ |
4. if (!$fp) {
   . ^& b9 i: V, r1 G6 R" L
5.     exit('failed to open'.$file);
   
6. }
   ! l0 M& l: O8 T5 u$ O
7. $lineNumber = 0;
   + ]) f7 M  U5 y  _; A  b
8. while($line = fgets($fp)) {
   5 E) D& O# n; E, J3 S0 S
9.     $lineNumber++;
   
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    ; u: S% o, K6 a
11.     preg_match_all($pattern, $line, $matches);
    8 \0 f; N# g# k2 G- _
12.     if (!empty($matches[0])) {
    
13.         foreach ($matches[0] as $mail) {
    / ]/ y; S. F: M
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    1 M9 A  ]% O! X6 e8 |/ b
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    - E& v# X" J, y! x+ w' H9 t- K
16.         }
    ! O( w! J$ s2 }  z3 Y
17.     }
    , M8 D( r, k3 t' L7 {
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
. B! N! S# x& A9 e) R+ t0 T/ M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