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！！！
8 I* J/ P0 z0 f( C, d, 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])?
0 S3 K- Q5 ^$ T8 J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。
$ ~4 h; _: w2 e' l" M8 d: C2 ]5 X
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#
1 m9 Q9 ^* U0 p" ]+ 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。
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。
8 T5 Q  B$ ]  Y* z% n3 _6 z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， ...

% N3 ]4 h$ D  G  J$ O大神能给个正则表达式替换的例子吗？

bjzhush

花了几分钟帮你写了下
, @5 K- t% N2 z, h" I8 j例如源文件为这个txt
➜  ~ cat x.txt
8 q  u+ v$ {6 X& rhitest
" c* p2 S5 D4 D0 \[email protected]
hi  [email protected] test
$ w4 T7 n; L+ T[email protected]  [email protected]
执行后，得到result.txt
➜  ~ cat result.txt
[email protected]
; A* u" n1 u5 j4 P2 b8 [[email protected]
- V/ Q3 x, h+ V6 K[email protected]
[email protected]
% Q& B9 K2 S. C0 B% D
代码如下：

1. <?php
   1 F0 {) G5 {$ r9 f) [7 M; f- Z& R+ @
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   1 }# t, y: U' c2 j2 {/ L! d
5.     exit('failed to open'.$file);
   
6. }
   
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   + f/ w% D0 p1 b
9.     $lineNumber++;
   & `" `' ^) e* ?% K/ h, H
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($matches[0])) {
    ' e1 b& G! k+ n- H9 q
13.         foreach ($matches[0] as $mail) {
    
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    - V$ H3 T4 l3 \3 n8 I0 Q# s3 q
16.         }
    1 S; b# X, ?3 v
17.     }
    
18. }
    + b) D! h% N9 S+ R8 C4 @
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
. E* p3 [$ v) b; I+ o7 d' i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