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！！！

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])?
( ^. x# Y5 O  }) y0 A; a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#
6 ~8 P% |6 E! }; n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。
" }, Q4 K( C% D. G1 l8 }; Y+ K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

6 O$ T# m) s1 X3 b2 }
; Z/ B* l( o8 n: {' d" e* ^花了几分钟帮你写了下
例如源文件为这个txt
! s- [* t( j% m  g5 _3 ^; P➜  ~ cat x.txt
hitest
" a$ |; B( i; c1 x: X" v[email protected]
4 ^/ _$ E1 \8 dhi  [email protected] test
[email protected]  [email protected]
) l: g1 n6 o0 H0 B$ D  A. y# W# E+ v执行后，得到result.txt
➜  ~ cat result.txt
6 U4 V, J5 p7 J! A- N8 S[email protected]
9 G/ l3 i* t; n. h# Q* K[email protected]
[email protected]
[email protected]

" E4 ^6 Y( V4 U, H2 ~) V- ^, b代码如下：

1. <?php
   3 s* o7 m1 ]) X0 `- y0 O, Q4 A) K: R
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   . q- }- B. _7 @- ^8 t) d# X
5.     exit('failed to open'.$file);
   
6. }
   : |* X1 v8 q  y, Y# `# X5 n5 H
7. $lineNumber = 0;
   6 b$ ~1 j# {5 ~0 {% P
8. while($line = fgets($fp)) {
   7 Q: r0 v  g6 [% `
9.     $lineNumber++;
   
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    ! p* Q6 i; Z: d1 X2 h# ^
11.     preg_match_all($pattern, $line, $matches);
    
12.     if (!empty($matches[0])) {
    
13.         foreach ($matches[0] as $mail) {
    - ^4 @4 b! w! ]" `3 j  m) m
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    . i1 J1 C. @; L" W! b
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    
16.         }
    7 ^0 y4 A3 _" O" g2 X  f
17.     }
    6 V! M7 }& n! y9 p+ a" Q
18. }
    ; j! m6 Z3 f4 N2 q/ p! u5 O+ c
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