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])?
5 ~, {2 W- b/ z3 a0 t! v/ h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。
' c$ P5 f4 y  i+ R5 ~/ ^1 k
# b& c# F4 P9 ^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#
, @9 W( ]! L# I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。
4 G3 I1 c7 G1 v8 w; M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。
7 u' t7 [0 |" Q/ d2 N1 H  C! r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， ...

* w6 M, M2 s) J4 S8 g大神能给个正则表达式替换的例子吗？

bjzhush

, V" }( \& m) ~/ }
8 V, i7 J2 q) [7 R花了几分钟帮你写了下
* e4 B% t9 }0 K7 `2 u例如源文件为这个txt
+ J$ I7 o; h5 A8 B. N* ~5 `➜  ~ cat x.txt
hitest
- o1 R9 l2 x; c! c2 [[email protected]
hi  [email protected] test
. P4 N- i) C- P. Z" `2 q[email protected]  [email protected]
执行后，得到result.txt
➜  ~ cat result.txt
9 T) X: M8 ]/ w, L- n$ A- j4 Q[email protected]
[email protected]
* e4 J; ^+ S+ O! Y[email protected]
. t/ w5 u6 O  K3 J: |& d7 `/ F! I/ ?[email protected]
" i$ {/ c0 e3 ~) I
代码如下：

1. <?php
   3 ]3 k. o5 Y5 u4 \1 J9 y2 d
2. $file = 'x.txt';
   + M& Y5 C( o. J# ?. [
3. $fp = fopen($file, 'r');
     {" t5 ^5 f$ Z0 v7 n0 h7 M
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   
6. }
   , {9 r4 P0 ^9 v* F/ i) r5 l( u# L
7. $lineNumber = 0;
   6 Q; a0 T8 T- D; o5 ~. f
8. while($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);
    
12.     if (!empty($matches[0])) {
    
13.         foreach ($matches[0] as $mail) {
    9 I" p9 K  w3 U! t
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    / p; C0 T( ?9 t' V' b
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    
16.         }
    
17.     }
    ' g( n7 `& X7 r8 E
18. }
    2 q* @1 W4 G5 N$ H) j
19. echo "All Done";
    : i9 W6 I2 w. E/ Q5 Q& J

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