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！！！
7 R6 _4 P" f8 {$ P: U& J

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。

, D4 W  E" l+ u( r+ t0 j4 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。
' b6 M- A* b9 X' w; l, h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。

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

& b5 @( F6 r$ F: A2 l! ~. U+ O: G
& ]; k8 R+ r- ?- D/ N  d. c花了几分钟帮你写了下
例如源文件为这个txt
➜  ~ cat x.txt
9 z+ [% F0 C' ]9 F( Mhitest
0 d) }9 B; f& [+ @  Z8 O$ ^[email protected]
& R) I6 [3 i" D- O: k: bhi  [email protected] test
[email protected]  [email protected]
执行后，得到result.txt
: _: G# P  S" N" \" `, C! {5 y➜  ~ cat result.txt
8 n( G7 ~' e; y$ w6 t; P[email protected]
' c. ~7 s# r& a8 v2 Y[email protected]
[email protected]
5 t7 \/ `" j0 l. i% T# i1 D[email protected]

( c9 l# }$ {3 {! i代码如下：

1. <?php
   
2. $file = 'x.txt';
   ! j0 }4 D; ?8 C
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   ' a+ c, W% w4 [; J7 N
5.     exit('failed to open'.$file);
   ( R3 W  l# B( g. n- W, A
6. }
   , A! K+ C' h( X2 B. I! {: \
7. $lineNumber = 0;
   - U* M; r+ m3 {9 T- w
8. while($line = fgets($fp)) {
   , r3 l4 q$ O1 @9 @
9.     $lineNumber++;
   + @' C/ }& H, `8 H, [: m
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    9 K4 d; F" O. s, C+ y) g
11.     preg_match_all($pattern, $line, $matches);
    
12.     if (!empty($matches[0])) {
    , R+ x1 b+ s+ g6 T/ Q* W% V0 ?
13.         foreach ($matches[0] as $mail) {
    6 Q2 w) t" G( U# y4 z
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    $ P6 [5 I6 w( Z3 z9 O
16.         }
    
17.     }
    
18. }
    ) m. z' E  c3 J/ Z1 J
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
/ s5 x3 G0 E( w% b+ P* 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