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！！！
# E* L# T7 N7 c  U8 _2 n

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])?
" p% K& J+ O! a. y6 d9 ^5 U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。

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。
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
5 _# u% @7 q/ z1 K9 lEmEditor（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

; ~+ M1 n+ r8 D( K) J- Q
, O' n' b0 u- b  Q6 w; }; L! ]# e花了几分钟帮你写了下
例如源文件为这个txt
➜  ~ cat x.txt
% H3 y3 b' D. L4 m: o" }0 rhitest
+ w6 \: m5 F7 s: `( K) z) U# z[email protected]
hi  [email protected] test
( f/ u! {6 q/ x. l( [[email protected]  [email protected]
, _- H, Z) M0 R3 w, M执行后，得到result.txt
➜  ~ cat result.txt
: G, i0 p( U5 Y6 W6 I[email protected]
[email protected]
& m/ c3 L( N2 }" y[email protected]
% Z' }1 G$ P# l, P1 h% p- f[email protected]

代码如下：
# \8 l; V, o! z7 Q; g" f

1. <?php
   9 z+ h7 E7 ]2 Q. m7 E
2. $file = 'x.txt';
   4 W' F4 y0 u! O3 Y1 M* |/ O
3. $fp = fopen($file, 'r');
   4 M1 w. n/ F8 p; S
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   
6. }
   
7. $lineNumber = 0;
   2 `# c5 N5 m7 y6 G1 L
8. while($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($matches[0])) {
    5 ~7 z/ I* o8 v9 ~5 r
13.         foreach ($matches[0] as $mail) {
    2 G5 H& P8 J" p) F% j/ z9 p7 X3 K
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    - s% ]6 Z9 a7 \
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    
16.         }
    
17.     }
    + Y, w6 w0 |; ^3 ^+ r
18. }
    
19. echo "All Done";
    % b  b# y# J) D" l* Y" J% z" v

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