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])?
* e! R/ q+ \) K4 }- T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 q( d7 y* ^/ P3 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。
9 t3 j# e5 Z9 P& {+ G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。
) H1 f$ [% F/ t4 Y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
( d8 W0 j7 t: e9 [0 |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

0 U0 m: g3 p7 Y$ g) z4 B花了几分钟帮你写了下
! @, W% s+ ~: d/ x0 e例如源文件为这个txt
' V  D" y! a, J' ^, A➜  ~ cat x.txt
hitest
[email protected]
: H$ w6 A' j2 m: @hi  [email protected] test
[email protected]  [email protected]
& s% K$ G/ ^  a" C0 ]; |2 K8 \执行后，得到result.txt
➜  ~ cat result.txt
[email protected]
! y) {( G, v4 S  \7 @( l[email protected]
. h; O  s* }; _5 l[email protected]
3 p7 s8 m/ D2 t# C[email protected]

代码如下：

1. <?php
   
2. $file = 'x.txt';
   . r% `+ R, |9 s9 Q5 Z5 h' A$ [
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   ! N- c9 z# `8 E# N% ?& @2 ^
5.     exit('failed to open'.$file);
   
6. }
   4 ?' j  H1 c5 ]! n- {( Y) f
7. $lineNumber = 0;
   3 s  C8 `0 K4 ~; l7 ~
8. while($line = fgets($fp)) {
   + e9 J6 X' l7 v& j+ ?/ U
9.     $lineNumber++;
   
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    
11.     preg_match_all($pattern, $line, $matches);
    % S$ `  N+ G, i' T7 _
12.     if (!empty($matches[0])) {
    0 {0 g1 v. @0 j6 H
13.         foreach ($matches[0] as $mail) {
    
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    # L+ \( Q3 z: @! {- F9 c  @1 j
16.         }
    
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