AdvertCN - 广告中国

 找回密码
 立即注册

QQ登录

只需一步,快速开始

PropellerAds
Google-Bing-Mediago-Criteo开户
⚡️按条S5代理⚡️静态⚡️独享⚡️5G广告专用虚拟卡/U充值/高返点皇家代理IP⚡️#1性价比⚡️
Mediabuy⚡️玩家开户首选【鲁班跨境通-自助充值转账】FB/GG/TT❤️官方免费开户Affiliate 全媒体流量资源⚡️
Taboola/Outbrain /Bing⚡️一级代理开户投流-7*24h❤️人工在线【官方】❤️搜索套利买量投流开户独立站⚡️开户投放
⚡️AdsPower:安全不封号,高效自动化Google FB TK游戏代投⚡️E.PN 虚拟卡⚡️BINOM TRACKER 60% OFF!
比Adplexity还好用的Spy工具ADPLEXITY + ADVERTCN7200W全球动态不重复住宅IP代理全球虚拟卡, 支持U充值
Facebook 批量上广告尤里改 - FB 稳定投放免费黑五教程(持续更新、欢迎交流)FB 三不限源头 - 自助下户充值转款
各种主页、账单户、BM户(优势)IPCola原生住宅IP⚡️$1.8/条双ISPFB资源,账单户,分享户,国内一手TK加白户/二解户/FB海外户/GG老户
海外CL企业户源头FB广告Spy工具⚡免费试用✅ FB个号1块一个TikTok2审户/老户/国内外端口/加白
GG,FB,TK, 欧美源头, 欢迎合作❤️FB企业户海外户,授信户,TK加白户联盟收款/海外资金下发/服贸结汇域名防红⚠斗篷工具/可试用3天
广告位出租8500万高质量住宅IP,助力各种需求虚拟卡返佣1%,国内持牌机构 
查看: 27953|回复: 26

[讨论] 求助从大文本中提取邮件地址

[复制链接]

38

主题

2586

广告币

2791

积分

高级会员

Rank: 4

积分
2791

社区QQ达人

发表于 2017-12-1 00:08:03 | 显示全部楼层 |阅读模式
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!!!
1 N. F7 K0 h* t7 l
相关帖子
回复

使用道具 举报

23

主题

1341

广告币

2288

积分

高级会员

Rank: 4

积分
2288

社区QQ达人

发表于 2017-12-1 00:14:04 | 显示全部楼层
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
回复 支持 1 反对 0

使用道具 举报

55

主题

105

广告币

647

积分

中级会员

Rank: 3Rank: 3

积分
647

社区QQ达人

发表于 2017-12-1 08:30:59 | 显示全部楼层
1G  分分钟搞定
回复 支持 反对

使用道具 举报

3

主题

38

广告币

58

积分

初级会员

Rank: 2

积分
58

社区QQ达人

发表于 2017-12-1 08:39:37 | 显示全部楼层
[\w!#$%&'*+/=?^_`{|}~-]+(?:\.[\w!#$%&'*+/=?^_`{|}~-]+)*@(?:[\w](?:[\w-]*[\w])?\.)+[\w](?:[\w-]*[\w])?- M1 i0 G# m0 ]1 G  g
这个正则可以匹配,不过具体要用其他工具来实现匹配。

评分

参与人数 2广告币 +7 收起 理由
风儿 + 5 赞一个!
chable + 2 可以结合使用EMEDITOR

查看全部评分

回复 支持 反对

使用道具 举报

2

主题

314

广告币

444

积分

中级会员

Rank: 3Rank: 3

积分
444

社区QQ达人

发表于 2017-12-1 08:50:15 | 显示全部楼层
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。
  t# z. ]9 }# x3 y/ ^+ }) A, j( |+ J' l( ^3 R* Y4 ~
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。
QQ:2696779792
回复 支持 反对

使用道具 举报

60

主题

830

广告币

2056

积分

高级会员

Rank: 4

积分
2056

社区QQ达人

发表于 2017-12-1 09:46:01 | 显示全部楼层
hadoop,3个t也能给你搞了
回复 支持 反对

使用道具 举报

53

主题

780

广告币

1441

积分

高级会员

Rank: 4

积分
1441

社区QQ达人

发表于 2017-12-1 10:31:22 | 显示全部楼层
写个正则匹配。。。。
我是C罗!!!
回复 支持 反对

使用道具 举报

12

主题

2021

广告币

2596

积分

高级会员

Rank: 4

积分
2596

社区QQ达人

发表于 2017-12-1 12:07:47 | 显示全部楼层
各显神通.~~  我就找个漂亮的小妹 让她慢慢处理吧...
回复 支持 反对

使用道具 举报

38

主题

2586

广告币

2791

积分

高级会员

Rank: 4

积分
2791

社区QQ达人

 楼主| 发表于 2017-12-1 12:28:08 来自手机 | 显示全部楼层
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
回复 支持 反对

使用道具 举报

3

主题

38

广告币

58

积分

初级会员

Rank: 2

积分
58

社区QQ达人

发表于 2017-12-1 13:09:44 | 显示全部楼层
http://tool.oschina.net/regex#" n. I. b* ~0 g9 D( b: q& j
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。7 T' o  N0 L- j5 P2 L
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。4 x3 c' y% |# B3 Q' G# `
鼠标移动上去,拉取,选中,复制到其他txt,excel里。搞定。

评分

参与人数 1广告币 +5 收起 理由
风儿 + 5

查看全部评分

回复 支持 反对

使用道具 举报

103

主题

1827

广告币

2706

积分

高级会员

Rank: 4

积分
2706

社区QQ达人

发表于 2017-12-1 13:31:21 | 显示全部楼层
EDITPLUS+正则
回复 支持 反对

使用道具 举报

38

主题

2586

广告币

2791

积分

高级会员

Rank: 4

积分
2791

社区QQ达人

 楼主| 发表于 2017-12-1 17:15:30 | 显示全部楼层
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
回复 支持 反对

使用道具 举报

27

主题

1057

广告币

2681

积分

高级会员

Rank: 4

积分
2681
发表于 2017-12-3 21:25:04 | 显示全部楼层
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。

点评

大神 我用 正则[-0-9a-zA-Z.+_]+@[-0-9a-zA-Z.+_]+\.[a-zA-Z]{2,4} 绿色高亮了所有EMAIL,问题是我如何给他取反呢?把不是emial的全部替换为空格呢?  详情 回复 发表于 2017-12-4 11:44
大神能给个正则表达式替换的例子吗?  详情 回复 发表于 2017-12-3 23:01

评分

参与人数 1广告币 +2 收起 理由
affempire + 2 NB!

查看全部评分

回复 支持 反对

使用道具 举报

38

主题

2586

广告币

2791

积分

高级会员

Rank: 4

积分
2791

社区QQ达人

 楼主| 发表于 2017-12-3 23:01:50 | 显示全部楼层
alibaba 发表于 2017-12-3 21:25
8 ]6 t5 U8 K7 s* TEmEditor(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, ...

% c1 X. c: ]+ l& A  y大神能给个正则表达式替换的例子吗?
回复 支持 反对

使用道具 举报

19

主题

290

广告币

532

积分

中级会员

Rank: 3Rank: 3

积分
532

社区QQ达人

发表于 2017-12-4 00:39:19 | 显示全部楼层
本帖最后由 bjzhush 于 2017-12-4 00:45 编辑 . ^* H9 N7 p8 u1 g. r* N& X- B1 e2 E
) ^6 G5 E' z& r/ ~. \1 K6 ~
花了几分钟帮你写了下
" U, \/ h& y' M4 E* l3 _例如源文件为这个txt4 B/ k( Y) ~2 n9 b: ?5 @5 B; u
➜  ~ cat x.txt# U7 ~4 s4 ?9 [1 D& ]
hitest9 L' o, ^( G+ \+ P# S7 n* c( r4 B' @5 [
[email protected]7 B2 O& D0 j, A, m
hi  [email protected] test1 [% G' e) F. T$ Y
[email protected]  [email protected]
! k; {1 R, L( [$ F9 s执行后,得到result.txt+ H7 h# w" K2 v9 v$ {+ f) c
➜  ~ cat result.txt
$ [! j+ J; s+ n* c2 y  N5 j, U4 m[email protected]# Y. ]  f5 n2 _' R' B
[email protected]8 s; k- }/ S5 b6 M  c  y( X
[email protected]! e3 i2 s1 Q6 c3 L
[email protected]
  ]- k1 ^4 r! Q+ O* s; J: w; f, w  G3 j! N4 M% S' R, d* ^
代码如下:
, E( a0 I- e8 x
  1. <?php6 r/ d/ N$ J" S. \$ n9 F3 Y$ r/ n
  2. $file = 'x.txt';
    0 K& J! ~( Q2 V- K! I; T- z
  3. $fp = fopen($file, 'r');- h1 C$ Z2 u. g$ y
  4. if (!$fp) {
    5 B6 Z9 l, P4 M' i) g/ }! Y; s
  5.     exit('failed to open'.$file);
    8 \/ j( C2 `8 g6 b9 g. i5 u
  6. }
    : d' P4 K$ K- T2 V; d
  7. $lineNumber = 0;# R' I5 m  _1 J, N# j9 r
  8. while($line = fgets($fp)) {1 O. ~8 x9 \; {0 Q, a5 e
  9.     $lineNumber++;
    . w! ?! I7 K) m. @* S) d' j
  10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    * g1 U" T" [. A1 D/ X
  11.     preg_match_all($pattern, $line, $matches);
      a8 J9 a7 N) F; p; f
  12.     if (!empty($matches[0])) {. b9 A: E1 {" j' B! t2 Y
  13.         foreach ($matches[0] as $mail) {
    # @6 E: s" n, @# x3 z; T. H6 P/ l
  14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;& [3 i% d8 J0 H( y; q9 h2 c% r
  15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);- r- y1 K, d) D9 ]+ h7 s
  16.         }
    ) L+ L1 H' ]/ Z# s2 Q* q
  17.     }
    & l2 g$ B, r- @
  18. }
    8 e+ n5 S9 o$ R% }' R3 g
  19. echo "All Done";
    ( {" ?* Z, P5 G1 ?' N4 Y
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7 a% t( J5 E# p: v( B1 P5 d: @
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

点评

谢谢大神。你这个脚本处理速度快吗?我3G的文本文件多久能处理完呢?  详情 回复 发表于 2017-12-4 10:43

评分

参与人数 2广告币 +7 收起 理由
leeker + 5 乐于助人
iyahoo + 2 很给力!

查看全部评分

回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关于我们|联系我们|DMCA|广告服务|小黑屋|手机版|Archiver|Github|网站地图|AdvertCN

GMT+8, 2026-6-11 15:43 , Processed in 0.054953 second(s), 15 queries , Gzip On, MemCache On.

Copyright © 2001-2023, AdvertCN

Proudly Operating in Hong Kong.

快速回复 返回顶部 返回列表