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！！！
9 \- d8 V! L7 o( h' E

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])?
2 i, t# H  P! y( M/ b- ?5 ^- ^, H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。
! k" R2 e: h" @  p: e  u. W
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#
- Z" I( @3 x6 V1 y  M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 a. I9 k+ i2 |5 v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

4 U/ }7 @. F* F: W7 r6 p
花了几分钟帮你写了下
* Y* R8 e/ _( I+ S( Z4 Q例如源文件为这个txt
➜  ~ cat x.txt
hitest
[email protected]
$ x8 q& P+ V  i# ~6 S7 yhi  [email protected] test
! j3 `5 K$ {/ j7 E[email protected]  [email protected]
执行后，得到result.txt
- e5 z2 E( b( ~! Z  ?! B9 W➜  ~ cat result.txt
' T+ W! V0 [1 o[email protected]
[email protected]
- M2 t( m5 w+ v[email protected]
[email protected]
% _8 g! e, _! Q
2 o( J: k8 A6 s- V% A5 g6 h' m代码如下：
# V% s* C5 `$ L- S/ `

1. <?php
   3 p* D& P, G, F9 _- h
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   ( P4 T: \0 c- y+ Y$ L8 r$ }
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   9 O' J3 b, A2 p4 g: \6 S0 b. K
6. }
   
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   + \3 C; D) k5 g
9.     $lineNumber++;
   
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    1 S& ^. L: s  B
11.     preg_match_all($pattern, $line, $matches);
    0 k3 N$ F7 H+ Z6 Z0 J; z7 ^7 i
12.     if (!empty($matches[0])) {
    8 u1 Q4 k2 `% _, Q& ^0 l
13.         foreach ($matches[0] as $mail) {
    1 p0 K/ j6 i3 `2 [9 F; P# L
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    * r" M9 G/ h' k' B# c: y/ D' m
16.         }
    
17.     }
    ! f- M; R+ k, c; t' o
18. }
    ' `+ J' F- W7 `3 b" }
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
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