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！！！
+ N8 y- p1 s" d+ w# B# V

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。
% w9 S" y# c( ?' d. }0 W) r
. C1 _0 D! ?( 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#
2 b% G( P+ y. O, H- {! N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。
+ o$ T$ Z; c" }( B# m$ `3 |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。
$ f( ]9 ?0 ]  A* m9 \* i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

2 U6 I" s% c, Z3 e
# i( W  v# V7 b' h: S* t1 g+ {花了几分钟帮你写了下
4 \4 e9 T( _) O0 t例如源文件为这个txt
➜  ~ cat x.txt
# @: x( n' ^: b  L* h( q3 u6 P, nhitest
[email protected]
hi  [email protected] test
[email protected]  [email protected]
执行后，得到result.txt
2 N6 Y: H) W9 D# e➜  ~ cat result.txt
- s6 j: i* A% T& [" q: Y[email protected]
[email protected]
- e  W" B4 ?  E; m7 I7 F& Y* M[email protected]
[email protected]
! r- R0 }, _. d4 l
代码如下：

1. <?php
   
2. $file = 'x.txt';
   % O. N$ v+ o- {" f" Q
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   
6. }
   
7. $lineNumber = 0;
   * ~( y# m# l2 |8 T- L
8. while($line = fgets($fp)) {
   7 `9 ?* k) h" p' K* R/ D+ |5 y  Q
9.     $lineNumber++;
   
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    * @! J& x6 O& q3 }0 M' X
11.     preg_match_all($pattern, $line, $matches);
    9 Y+ o" Q0 T* C- @0 Z: ^5 ~7 I8 k
12.     if (!empty($matches[0])) {
    5 F5 x1 |8 l0 u5 _- Z8 O6 x6 x! v
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);
    
16.         }
    3 Z( L8 b/ {/ ^3 K. D
17.     }
    6 O9 K# [% Q8 R2 m+ V8 r: Y$ c: c
18. }
    6 Y/ t# o& u' m% x  X: x
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
8 P  T2 e/ r) I1 y) U" |7 R3 J% H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