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！！！
  x" `( \) i) q8 ^( o! k6 L

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。

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#
+ L' K; g# D: S% s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。
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。
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
; Q% P' A( H$ ?9 W5 _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， ...

# o6 U  r* m1 r& o! d大神能给个正则表达式替换的例子吗？

bjzhush

& t5 @) b8 X& O; o  m- t
# }$ q5 _: E6 Q2 I, r( ?( g花了几分钟帮你写了下
: ^% x: k* d' t6 i% k/ O# g例如源文件为这个txt
: B) ^% x8 ^+ Z1 _5 x8 d➜  ~ cat x.txt
hitest
[email protected]
  A% Q  n. d, z/ {2 i/ V/ D# v$ Phi  [email protected] test
[email protected]  [email protected]
1 X8 Z, u* t) n) k( \执行后，得到result.txt
➜  ~ cat result.txt
[email protected]
[email protected]
! \# t$ d8 t( x- V( V; M[email protected]
[email protected]
9 F5 k, i. o+ Q5 K" I5 ?+ j
代码如下：

1. <?php
   % I4 m0 M. V6 A2 I( ^* p5 R1 P
2. $file = 'x.txt';
   & v5 @6 r& N( N$ w5 ~
3. $fp = fopen($file, 'r');
   & f" l, z$ W; [( u. h( D
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   
6. }
     a2 U# u& V& x  s0 ^0 V- c8 T& W
7. $lineNumber = 0;
   0 |/ E1 b  V9 w: Q5 ?% L2 @
8. while($line = fgets($fp)) {
   ) v" r$ g4 h% {
9.     $lineNumber++;
   
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    , D0 _- ?( }5 W$ U- }9 ?
11.     preg_match_all($pattern, $line, $matches);
    " ?/ |, w( ?- W! t9 V2 R
12.     if (!empty($matches[0])) {
    ! V/ V( J6 r* t2 W4 }, t, R3 }
13.         foreach ($matches[0] as $mail) {
    8 z5 C$ h+ I4 i% O. ~) I
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    1 R6 p5 O. c6 i
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    
16.         }
    
17.     }
    
18. }
    
19. echo "All Done";
    ) g- t8 ^/ l6 o  p1 i  u, _2 ?( ^

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
, Z( U2 Y9 X& x2 v0 r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