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 n% N/ x, V

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。

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。
) r- g) \' d/ [  q" l6 {. W, Y( b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
) T. L# W. M- ^1 L) W% c4 t1 W- zEmEditor（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， ...

4 N% A2 I! s% V) B9 Q% ?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
; l* o9 K9 p, n2 ]* t- i. t" \例如源文件为这个txt
➜  ~ cat x.txt
9 U6 P( W; j0 _" K' w# ^hitest
4 F4 g* v$ j3 g6 P1 y5 I$ a, X[email protected]
hi  [email protected] test
# ~0 ?% }6 j- f1 g[email protected]  [email protected]
1 J) V/ r) {4 [执行后，得到result.txt
➜  ~ cat result.txt
[email protected]
: N! K1 R) S% U  q+ \- D[email protected]
7 _! m4 z$ e* i9 O- y[email protected]
+ E6 T& ^6 }( F8 }2 F3 P! t[email protected]
- E4 p8 e% [( T8 [6 x
, V" N" m) B  N- Y7 k代码如下：
- ~; B; p/ U5 h# d4 p" H

1. <?php
   & F& m/ v  w2 _3 h! Y- U- g
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   $ [5 K. ^2 V, ]1 P
6. }
   + Q* o2 Y' o4 n1 c0 ~! u& H: E
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   & _% F6 y- w6 i( B
9.     $lineNumber++;
   , U& t- N: q5 D  C$ e5 z4 M) q
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    $ M# C6 m6 @: m. P
11.     preg_match_all($pattern, $line, $matches);
    
12.     if (!empty($matches[0])) {
    + o3 W9 b$ T( \$ q
13.         foreach ($matches[0] as $mail) {
    " j/ z, V( q8 O7 e- x0 e2 [
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    / q% k' t& }" I% `  W  E8 r1 `
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    
16.         }
    - a) d1 e! L( L8 X
17.     }
    
18. }
    ' [: J% m8 f  C9 r
19. echo "All Done";
    % H! f9 {! I* X

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
+ L8 M( ]; a# N- }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