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！！！
5 T  o: C+ b/ }

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。
  H7 q2 m2 h, ^  f, O3 M; h+ s
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#
* \! r8 D5 Y( `' }" o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。
: V1 N2 `6 Q$ B' r5 y3 Q$ A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
  E' }8 s/ T9 B# F+ V2 c! UEmEditor（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， ...

+ _0 ^9 @6 e: T2 N: d大神能给个正则表达式替换的例子吗？

bjzhush

2 ]% M1 y, q: y& b$ W
花了几分钟帮你写了下
7 i# Z1 Q' M5 P! Z1 y9 l3 q0 O$ H例如源文件为这个txt
➜  ~ cat x.txt
! e9 U2 U! O2 o0 X8 F5 X1 uhitest
( ^. b7 [2 H7 B) P* c* z* c  E7 [[email protected]
9 c5 ]; b) u& i0 R% Ihi  [email protected] test
[email protected]  [email protected]
' V7 Y) R" {0 Y- \5 F执行后，得到result.txt
➜  ~ cat result.txt
1 C( N' e+ o3 S% H[email protected]
[email protected]
0 v. s# b& I3 v  N1 a5 T6 q# w[email protected]
! ~6 \! y2 @2 d1 V* Y; A# k[email protected]

代码如下：
% ^1 Z2 a  y' p3 M* J/ U

1. <?php
   6 L6 d" D; j) R! P. k2 ^- R6 c
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
     B& }& M( n+ e9 s# A6 G
6. }
   & o* p8 F- j+ N1 Q! m: O& k- T
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   
9.     $lineNumber++;
   * Q7 ^# T. _4 i  E; ?) Y7 t- f
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) {
    . d' k8 `6 _3 m6 D, H/ S
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    # j* s# J  p9 {
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    
16.         }
    ! i* N# M4 K# A
17.     }
    ! T  J: y( U5 y+ ?; w  ]3 e
18. }
    & b" c  p  {2 w5 w# {# b
19. echo "All Done";
    ) W5 p& f6 |: ~8 t

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
; m  \9 m2 p! E* `5 @6 C. ~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