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])?
, W7 o5 {* v# ^  y) `2 k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。

; a7 Q; ^+ m. R6 L2 {; p" w4 \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#
- Y, w# ^0 ~' S  A# n8 |* d4 B% t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。
6 k( Z4 q! o- h- Z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
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

9 V- ~& e9 W7 M; v8 N花了几分钟帮你写了下
4 n5 E5 w! y7 s" e6 a例如源文件为这个txt
➜  ~ cat x.txt
- }0 \5 a4 U' _* _- Fhitest
3 D' N* J$ H: b$ U& A, O/ E[email protected]
hi  [email protected] test
[email protected]  [email protected]
执行后，得到result.txt
! l" R# O; d, q) P8 [8 w: q➜  ~ cat result.txt
[email protected]
[email protected]
: b0 \* O1 m/ r1 r) m: [, K9 J[email protected]
; N! D% s) k: U+ m$ L6 q[email protected]
0 ^" Y' l: K! M9 u7 l6 K' x
代码如下：

1. <?php
   5 S* @* B- Y4 |4 T: a( |9 P
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   ' I% i1 Z) n% Y& j- T
5.     exit('failed to open'.$file);
   & g- G- Z  _- C% s3 y
6. }
   
7. $lineNumber = 0;
   - u' b; k( [: f( y( b
8. while($line = fgets($fp)) {
   & I( ^  C8 p# H% d. W& Y
9.     $lineNumber++;
   
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    
11.     preg_match_all($pattern, $line, $matches);
    # T  Z* w" P, @! r" \
12.     if (!empty($matches[0])) {
    5 S/ d$ n1 l! W* D& \
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);
    
16.         }
    : r  b2 ?/ e  D0 I# N+ t
17.     }
    & B7 ]3 o  V3 ?5 m  K4 H
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
" I5 K3 H- ^$ ?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