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！！！
# b0 ?( o: L4 ^, h7 i: f

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。
8 H" z: i1 C2 H7 x3 K3 \9 m" w
7 G4 U4 K. G; ]7 M. \+ H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。
3 Y7 ~: X$ w: f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。
" u$ q0 T0 j- |8 M' ~% L5 O6 _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

5 n" a, _7 M: ]
花了几分钟帮你写了下
1 I. R5 `# Y/ z! k7 H. C例如源文件为这个txt
' |3 E6 g3 m# t% e➜  ~ cat x.txt
6 }: q% N5 Z. F3 f' g' g; e$ ]hitest
3 a: e* V2 o5 v' W2 v) R# E/ A: k[email protected]
; u% o. h# G, n; N: F! [0 a% l( [hi  [email protected] test
[email protected]  [email protected]
执行后，得到result.txt
➜  ~ cat result.txt
2 J2 W2 u3 r$ u- r0 o0 L[email protected]
. v+ Y5 }$ U! V* a[email protected]
5 b0 e8 p9 [+ I[email protected]
[email protected]

代码如下：
. i3 E7 ?7 t, M/ r

1. <?php
   
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   4 H" C. o6 J+ h7 @5 ?( w
5.     exit('failed to open'.$file);
   
6. }
   - u5 Q- S0 E" v0 {. G8 y
7. $lineNumber = 0;
   / O; [; l+ Z& `9 }  ~
8. while($line = fgets($fp)) {
   1 p+ v/ H7 Z9 K5 c
9.     $lineNumber++;
   6 H6 W  A4 j! g6 p
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    ; Y- Q* ]) G1 E
11.     preg_match_all($pattern, $line, $matches);
    
12.     if (!empty($matches[0])) {
    
13.         foreach ($matches[0] as $mail) {
    % t9 y& P5 y3 `% I3 ?
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
      b, }# I6 P; H( E7 p/ \& w
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    
16.         }
    
17.     }
    
18. }
    / B' p# H: G7 t; L! Q% X
19. echo "All Done";
    5 a* i& Z6 G4 V3 k2 ^

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