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])?
' J" c( o7 z: K/ K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。

# D$ B" K1 h3 p0 ^6 q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。
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
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， ...

. D8 m% {3 p; g大神能给个正则表达式替换的例子吗？

bjzhush

; a3 V1 t1 T9 T花了几分钟帮你写了下
例如源文件为这个txt
➜  ~ cat x.txt
hitest
[email protected]
hi  [email protected] test
- |8 F8 k6 z9 {" d: _4 p% Q7 [[email protected]  [email protected]
执行后，得到result.txt
& @& w( X/ l' Z) {9 Y8 L' P➜  ~ cat result.txt
! B- }. ~- J; g! B# L% g; ~4 T[email protected]
[email protected]
[email protected]
/ s4 Z( e0 k3 f" ^9 Q7 A( x. S9 u; P[email protected]
9 q- z% d. K0 p% W! u8 F$ y+ W
代码如下：
9 V! d9 p4 F9 b& W- l2 E

1. <?php
   9 u; r2 g2 D! J+ K1 ?
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   5 }. E" W, ?4 f% L3 I- S
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   
6. }
   ( |% F! C5 Z* ?5 F& H
7. $lineNumber = 0;
   * C6 x( N0 B9 @6 i
8. while($line = fgets($fp)) {
   
9.     $lineNumber++;
   
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    
11.     preg_match_all($pattern, $line, $matches);
    9 m. r+ _0 f9 ~' U4 M0 A
12.     if (!empty($matches[0])) {
    
13.         foreach ($matches[0] as $mail) {
    
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    8 V6 u2 s' m$ \8 K6 a
16.         }
    ! \, X  Q/ m0 W6 v8 k( Y/ X% ^7 j
17.     }
    ! O' ?! w( _7 n" z& t
18. }
    
19. echo "All Done";
    8 k: A5 D0 m! J4 l; x- C# n. A

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