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。
( n$ U+ [  G. G7 {
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。
( Z5 h4 {: Z. v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。
& h. Y( d$ f( h, w) v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

花了几分钟帮你写了下
例如源文件为这个txt
) n$ [$ e* M0 g; q; L2 U➜  ~ cat x.txt
  l- b' M% }& b; c2 ^" W/ Rhitest
; q6 L, P4 p9 ^( f3 C, Z[email protected]
hi  [email protected] test
0 x) D- D* t. x2 y5 s# `7 K[email protected]  [email protected]
* ?9 m8 O  C. x. c$ k# A- Y执行后，得到result.txt
➜  ~ cat result.txt
[email protected]
[email protected]
[email protected]
[email protected]
: V# I5 @& V! G; M1 q; |
代码如下：

1. <?php
   ) D3 F: A: `& k. ^9 j5 w7 t; e3 y
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   & z" M* r2 j7 M: z
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   
6. }
   
7. $lineNumber = 0;
   3 I" v' T: G# Y
8. while($line = fgets($fp)) {
   / v) I- F# Q$ z9 p, n
9.     $lineNumber++;
   % o$ b2 }4 ?. n5 V
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    ) I) J( g: I. H8 M1 B
11.     preg_match_all($pattern, $line, $matches);
    3 n7 X! Q9 H- L4 r! a9 n7 W7 ^
12.     if (!empty($matches[0])) {
    
13.         foreach ($matches[0] as $mail) {
    
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    . F) C" y; ^* ^! \* Z/ D+ t
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    
16.         }
    7 w  ~, r7 e& l/ v
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
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