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])?
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。
' u$ j- K3 A: `/ U
2 \5 l9 m' Y% ~. F8 I8 r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#
) u4 u8 e/ o6 i( }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。
8 a/ }+ J7 R  x5 o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。
+ O$ R* a9 w. {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
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

$ P% N$ N, f9 f' p5 ^8 o3 Q
/ a2 V: k$ G* A花了几分钟帮你写了下
9 Y' ~: I( K- q! c0 m例如源文件为这个txt
6 y. R1 @& @( K1 E: ^  r- g➜  ~ cat x.txt
/ E" C/ q$ O' L; z- j5 A1 T! khitest
[email protected]
+ u- K7 u% o; s  n5 t: xhi  [email protected] test
4 a; G( {( a! _4 h+ N* q( P3 i) e- V[email protected]  [email protected]
执行后，得到result.txt
3 r) U& B  Z$ k' @/ X➜  ~ cat result.txt
7 ^  i# A8 q3 O# g. e% L/ j[email protected]
% K  `9 z2 b! f" T) c[email protected]
$ s4 B" F2 W* A+ C, K/ }6 u; \[email protected]
& [; c0 y, g" m" c! |& c! k[email protected]

9 _0 G- k; g, P代码如下：
2 \1 V9 T$ D* ^% h/ m0 g: M+ ~  }" l

1. <?php
   1 a9 x& m8 |2 a8 b- M. p
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   8 |6 Y' s, ^- H; [
5.     exit('failed to open'.$file);
   & ^$ V2 ?, C2 B6 m! w  `$ N+ g1 ?
6. }
   
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   : [; b1 F" H1 r9 F
9.     $lineNumber++;
   / E! e3 A4 a8 M$ O% y/ n
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) {
    0 ^6 v" X* S7 g& f# W% h% b
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    + X$ A: J5 [$ Y; o% J) C1 _; ~9 M
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    
16.         }
    
17.     }
    " q; i# w5 N0 w5 B4 }( O) A) a
18. }
    : J0 Z9 b5 n& S+ I
19. echo "All Done";
    ; X( D0 r* n, v* O  w, r

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
" D6 M! d' Z: E8 v! |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