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！！！
  b3 g. |2 ?8 g1 J9 ^& m& m( _5 [

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])?
# o7 \8 ^2 D) u" 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。
* G2 G8 N5 z6 [  r6 E
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。
( b0 a3 `" W& v: c# _9 Q/ u7 o5 D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。
5 i( \% ^0 F  W" O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

( U5 `8 q0 ]8 x. \. A
花了几分钟帮你写了下
9 X2 r% T& ~! d例如源文件为这个txt
# r) s* K4 ^( W, ]- _5 g9 G- h1 S➜  ~ cat x.txt
  p; K  o* G( M/ x1 Bhitest
[email protected]
hi  [email protected] test
; W  D- R$ g8 C* K( w[email protected]  [email protected]
执行后，得到result.txt
➜  ~ cat result.txt
' Q& W& [- |7 B% O1 q[email protected]
[email protected]
[email protected]
[email protected]
  c5 v3 t/ P3 p3 n. H4 g4 S: v
! X* @1 p0 {, ^$ S2 d7 `8 s* H% ~代码如下：

1. <?php
   
2. $file = 'x.txt';
   0 t7 r0 }* a: j0 m& D* ~/ o
3. $fp = fopen($file, 'r');
   8 n* i6 f6 ?1 q1 C0 Y
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   . p& @  O* U  J9 R1 U  }; ]0 h  Q
6. }
   
7. $lineNumber = 0;
   $ c, e/ `" o  ?* _6 D1 J5 |
8. while($line = fgets($fp)) {
   , {5 F* h  R( g# A" q3 Q
9.     $lineNumber++;
   ; [2 J. c. v; u. Q# \
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    & ]( V. P: a, C+ v  |
11.     preg_match_all($pattern, $line, $matches);
    
12.     if (!empty($matches[0])) {
    
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);
    6 J" C' H4 u* G( m, l& c7 R
16.         }
    * L9 ?" h: g- ?/ J& `3 q% [
17.     }
    ! E6 [2 [! f8 X
18. }
    
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