AdvertCN - 广告中国

 找回密码
 立即注册

QQ登录

只需一步,快速开始

Adsterra China
 谷歌+Bing+TT+MSN官方代理 
⚡️按条S5代理⚡️静态⚡️独享⚡️5G皇家代理IP⚡️#1性价比⚡️Mediabuy⚡️玩家开户首选
【鲁班跨境通-自助充值转账】FB/GG/TT❤️官方免费开户Affiliate 全媒体流量资源⚡️Taboola/Outbrain /Bing⚡️一级代理
开户投流-7*24h❤️人工在线【官方】❤️搜索套利买量投流开户独立站⚡️开户投放FB BM不限额,短id账单户
E.PN 虚拟卡DuoPlus专注打造跨境电商云手机BINOM TRACKER 60% OFF!比Adplexity还好用的Spy工具
ADPLEXITY + ADVERTCN7200W全球动态不重复住宅IP代理虚拟信用卡+独立站收款全球虚拟卡, 支持U充值
Facebook 批量上广告尤里改 - FB 稳定投放免费黑五教程(持续更新、欢迎交流)FB 三不限源头 - 自助下户充值转款
各种主页、账单户、BM户(优势)⚡️个人户,bm户不限额,账单户Google、Bing官方总代  联盟流量开户FB资源,账单户,分享户,国内一手
FB企业户BM户账单户源头海外CL企业户源头PTM全球虚拟卡—进来交个朋友!PTM虚拟卡⚡️费率透明⚡️额度随心
FB虚拟卡⚡️消费越多返现越多虚拟卡 - Pay2.House【找量】BA独家Nutra单找量广告位出租
8500万高质量住宅IP,助力各种需求虚拟卡返佣1%,国内持牌机构  
查看: 26904|回复: 26

[讨论] 求助从大文本中提取邮件地址

[复制链接]

38

主题

2493

广告币

2706

积分

高级会员

Rank: 4

积分
2706

社区QQ达人

发表于 2017-12-1 00:08:03 | 显示全部楼层 |阅读模式
Lemft
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!!!& j0 A0 {' s- ^! {/ X; m
相关帖子
回复

使用道具 举报

23

主题

1275

广告币

2222

积分

高级会员

Rank: 4

积分
2222

社区QQ达人

发表于 2017-12-1 00:14:04 | 显示全部楼层
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
回复 支持 1 反对 0

使用道具 举报

55

主题

105

广告币

647

积分

中级会员

Rank: 3Rank: 3

积分
647

社区QQ达人

发表于 2017-12-1 08:30:59 | 显示全部楼层
1G  分分钟搞定
回复 支持 反对

使用道具 举报

3

主题

38

广告币

58

积分

初级会员

Rank: 2

积分
58

社区QQ达人

发表于 2017-12-1 08:39:37 | 显示全部楼层
[\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。

评分

参与人数 2广告币 +7 收起 理由
风儿 + 5 赞一个!
chable + 2 可以结合使用EMEDITOR

查看全部评分

回复 支持 反对

使用道具 举报

2

主题

314

广告币

444

积分

中级会员

Rank: 3Rank: 3

积分
444

社区QQ达人

发表于 2017-12-1 08:50:15 | 显示全部楼层
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。% ]/ d8 R& G( S) n  Z. D$ d
. }- u, q6 u& p- Q0 I$ e. k
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。
QQ:2696779792
回复 支持 反对

使用道具 举报

59

主题

788

广告币

2014

积分

高级会员

Rank: 4

积分
2014

社区QQ达人

发表于 2017-12-1 09:46:01 | 显示全部楼层
hadoop,3个t也能给你搞了
回复 支持 反对

使用道具 举报

52

主题

754

广告币

1415

积分

高级会员

Rank: 4

积分
1415

社区QQ达人

发表于 2017-12-1 10:31:22 | 显示全部楼层
写个正则匹配。。。。
我是C罗!!!
回复 支持 反对

使用道具 举报

12

主题

1925

广告币

2507

积分

高级会员

Rank: 4

积分
2507

社区QQ达人

发表于 2017-12-1 12:07:47 | 显示全部楼层
各显神通.~~  我就找个漂亮的小妹 让她慢慢处理吧...
回复 支持 反对

使用道具 举报

38

主题

2493

广告币

2706

积分

高级会员

Rank: 4

积分
2706

社区QQ达人

 楼主| 发表于 2017-12-1 12:28:08 来自手机 | 显示全部楼层
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
回复 支持 反对

使用道具 举报

3

主题

38

广告币

58

积分

初级会员

Rank: 2

积分
58

社区QQ达人

发表于 2017-12-1 13:09:44 | 显示全部楼层
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。( Y8 o- ^- W4 w: Y' V: X
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。

评分

参与人数 1广告币 +5 收起 理由
风儿 + 5

查看全部评分

回复 支持 反对

使用道具 举报

103

主题

1825

广告币

2705

积分

高级会员

Rank: 4

积分
2705

社区QQ达人

发表于 2017-12-1 13:31:21 | 显示全部楼层
EDITPLUS+正则
回复 支持 反对

使用道具 举报

38

主题

2493

广告币

2706

积分

高级会员

Rank: 4

积分
2706

社区QQ达人

 楼主| 发表于 2017-12-1 17:15:30 | 显示全部楼层
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
回复 支持 反对

使用道具 举报

26

主题

1060

广告币

2683

积分

高级会员

Rank: 4

积分
2683
发表于 2017-12-3 21:25:04 | 显示全部楼层
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。

点评

大神 我用 正则[-0-9a-zA-Z.+_]+@[-0-9a-zA-Z.+_]+\.[a-zA-Z]{2,4} 绿色高亮了所有EMAIL,问题是我如何给他取反呢?把不是emial的全部替换为空格呢?  详情 回复 发表于 2017-12-4 11:44
大神能给个正则表达式替换的例子吗?  详情 回复 发表于 2017-12-3 23:01

评分

参与人数 1广告币 +2 收起 理由
affempire + 2 NB!

查看全部评分

回复 支持 反对

使用道具 举报

38

主题

2493

广告币

2706

积分

高级会员

Rank: 4

积分
2706

社区QQ达人

 楼主| 发表于 2017-12-3 23:01:50 | 显示全部楼层
alibaba 发表于 2017-12-3 21:25* Q0 R) k& [3 S6 g  s
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, ...
% C: u* S: X. V9 P
大神能给个正则表达式替换的例子吗?
回复 支持 反对

使用道具 举报

19

主题

290

广告币

532

积分

中级会员

Rank: 3Rank: 3

积分
532

社区QQ达人

发表于 2017-12-4 00:39:19 | 显示全部楼层
本帖最后由 bjzhush 于 2017-12-4 00:45 编辑
6 O$ T# m) s1 X3 b2 }
; Z/ B* l( o8 n: {' d" e* ^花了几分钟帮你写了下 0 |! R6 g" X, |7 b/ w5 p; Y% a
例如源文件为这个txt
! s- [* t( j% m  g5 _3 ^; P➜  ~ cat x.txt; F% g+ @  l- E0 s; e  i
hitest
" a$ |; B( i; c1 x: X" v[email protected]
4 ^/ _$ E1 \8 dhi  [email protected] test( Q1 J3 U( @2 b' F
[email protected]  [email protected]
) l: g1 n6 o0 H0 B$ D  A. y# W# E+ v执行后,得到result.txt# T. k7 V% c7 k& j6 c/ }0 V( T/ s
➜  ~ 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]7 X2 I) Z+ ]9 Z% g& a
[email protected]' A& y& N7 I- Q3 C/ N: G
[email protected]5 Z5 L, e* E  N' W$ G

" E4 ^6 Y( V4 U, H2 ~) V- ^, b代码如下:4 c, {! P4 n9 [/ M  f
  1. <?php
    3 s* o7 m1 ]) X0 `- y0 O, Q4 A) K: R
  2. $file = 'x.txt';% H; U% e) f* Q5 ?! s
  3. $fp = fopen($file, 'r');0 `) Z0 l! R# t. A/ a1 L2 M0 F2 I
  4. if (!$fp) {
    . q- }- B. _7 @- ^8 t) d# X
  5.     exit('failed to open'.$file);" i" s9 F: ~- o- j- s: a6 s% W1 V% I
  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++;5 b& w4 G" K# h7 x6 F- I: D7 f* c( W
  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, $matches);; M8 G  Y% c2 k: O
  12.     if (!empty($matches[0])) {$ S& ]; V& i5 ?9 g& F
  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', $mail.PHP_EOL, FILE_APPEND);9 G: u9 ?* Y; l3 [: @6 U
  16.         }
    7 ^0 y4 A3 _" O" g2 X  f
  17.     }
    6 V! M7 }& n! y9 p+ a" Q
  18. }
    ; j! m6 Z3 f4 N2 q/ p! u5 O+ c
  19. echo "All Done";* `$ N' o: `6 E# P5 W. {8 e
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& y; Q6 m/ C( `
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

点评

谢谢大神。你这个脚本处理速度快吗?我3G的文本文件多久能处理完呢?  详情 回复 发表于 2017-12-4 10:43

评分

参与人数 2广告币 +7 收起 理由
leeker + 5 乐于助人
iyahoo + 2 很给力!

查看全部评分

回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关于我们|联系我们|DMCA|广告服务|小黑屋|手机版|Archiver|Github|网站地图|AdvertCN

GMT+8, 2025-7-15 04:52 , Processed in 0.064452 second(s), 22 queries , Gzip On, MemCache On.

Copyright © 2001-2023, AdvertCN

Proudly Operating in Hong Kong.

快速回复 返回顶部 返回列表