求助从大文本中提取邮件地址
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！！！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 1G分分钟搞定 [\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。 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。
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。 hadoop，3个t也能给你搞了 写个正则匹配。。。。 各显神通.~~我就找个漂亮的小妹 让她慢慢处理吧...:lol:lol:lol 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 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。 EDITPLUS+正则 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 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。 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？ 本帖最后由 bjzhush 于 2017-12-4 00:45 编辑
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]
[email protected] test
[email protected]@qq.com
执行后，得到result.txt
➜~ cat result.txt
[email protected]
[email protected]
[email protected]
[email protected]
代码如下：
<?php
$file = 'x.txt';
$fp = fopen($file, 'r');
if (!$fp) {
exit('failed to open'.$file);
}
$lineNumber = 0;
while($line = fgets($fp)) {
$lineNumber++;
$pattern = '/+@+\.({2,4})(?:\.{2})?/i';
preg_match_all($pattern, $line, $matches);
if (!empty($matches)) {
foreach ($matches as $mail) {
echo $mail.' found from line '.$lineNumber.PHP_EOL;
file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
}
}
}
echo "All Done";
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
页:
[1]
2
