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！！！
* ^% }) I4 W& }  Z6 Q" Y

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。
2 w, x( s9 Y) W6 S8 q
( e6 _8 I! L' F5 E" ^7 Z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。
5 r* c  H( b5 F: E8 U/ e9 Y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

. q' I+ M" l, O
花了几分钟帮你写了下
例如源文件为这个txt
$ O6 Y. G7 Z4 L➜  ~ cat x.txt
  O& z0 n2 ]' i$ `hitest
[email protected]
hi  [email protected] test
4 K9 k1 l0 G( G+ n& U4 y! j$ e[email protected]  [email protected]
: P7 N8 c: v6 o1 `执行后，得到result.txt
➜  ~ cat result.txt
7 k5 V- l5 Q$ _4 i6 E  d( i# ^[email protected]
1 s% T- s, d$ `. @- q[email protected]
4 l- u. y9 b4 I[email protected]
5 X/ f. P9 W( N- k[email protected]
  U3 ~8 c, N* [5 \& k
代码如下：

1. <?php
   5 y4 m2 k7 v+ d% l  L3 t, ]/ b
2. $file = 'x.txt';
   ) k& W* y4 |" C
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   * g6 f% Q; s* Q9 u% ]. G) n9 I
5.     exit('failed to open'.$file);
   
6. }
     Z. g: I; C( \
7. $lineNumber = 0;
   2 R" Y( q2 t2 e! G% i: H
8. while($line = fgets($fp)) {
     q- g, s  A6 g: d4 H) i! L* C
9.     $lineNumber++;
   1 n' ~0 |  L8 B" d5 b' J1 Q3 U
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($matches[0])) {
    1 y4 I5 l/ q. U/ U" \4 }' I* V
13.         foreach ($matches[0] as $mail) {
    
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    " `1 H( d$ f: k$ r7 d0 G  b; N
16.         }
    
17.     }
    
18. }
    
19. echo "All Done";
    % `; _4 P* x+ d8 \

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
* S- z4 q0 t9 E" e& p5 _1 L+ D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