AdvertCN - 广告中国

 找回密码
 立即注册

QQ登录

只需一步,快速开始

Propeller Ads
 谷歌+Bing+TT+MSN官方代理 
⚡️按条S5代理⚡️静态⚡️独享⚡️5G需要代理IP?⚡️Proxysites.ai⚡️指纹浏览器,就用AdsPower
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)9Proxy ⚡️ $0.04/IP, 无限带宽 IPCola原生住宅IP⚡️$2.1/条双ISP
Google、Bing官方总代  联盟流量开户fb耐用号0.01一个fb账号官方合作商FB资源,账单户,分享户,国内一手
FB企业户BM户账单户源头收FB代投工作室,收TrafficFactory账号IPWO全球住宅代理⚡️免费测试⚡️FB海外三不限-户源多 费率低
PTM全球虚拟卡—进来交个朋友!PTM虚拟卡⚡️费率透明⚡️额度随心多币种虚拟卡,消费享高额返现广告位出租
虚拟卡返佣1%,国内持牌机构   
查看: 26680|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

2458

广告币

2674

积分

高级会员

Rank: 4

积分
2674

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!!!
8 \* i# D2 M) [2 D
相关帖子
回复

使用道具 举报

23

主题

1256

广告币

2202

积分

高级会员

Rank: 4

积分
2202

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])?
0 o- [! z$ b+ z! Y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。
6 ]+ v& ]9 x* ?  K, R# a9 {0 S4 `: r+ U* r5 S* \, A
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

769

广告币

1995

积分

高级会员

Rank: 4

积分
1995

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

753

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

1891

广告币

2475

积分

高级会员

Rank: 4

积分
2475

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

2458

广告币

2674

积分

高级会员

Rank: 4

积分
2674

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#
( a; s3 k, j1 d3 {. [. D6 |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。
, `9 X0 A4 F# p& s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。
, H. a0 y( }5 I; t6 w) W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

1823

广告币

2703

积分

高级会员

Rank: 4

积分
2703

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

2458

广告币

2674

积分

高级会员

Rank: 4

积分
2674

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

1059

广告币

2682

积分

高级会员

Rank: 4

积分
2682
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

2458

广告币

2674

积分

高级会员

Rank: 4

积分
2674

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 21:256 r8 |, D1 j4 @: F# ?# N( [
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, ...

6 X9 ^+ e; q' N. K5 n1 k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 : W$ r2 K5 ?3 D+ G  C
" w* q8 K1 _7 ]2 i0 ~1 f
花了几分钟帮你写了下
( N( }$ H5 b1 G5 e& p例如源文件为这个txt
# u5 T! @! b, E2 W( \) g7 n9 R➜  ~ cat x.txt" W! J- e6 Q7 z  z
hitest
5 S1 p, ?& c' N8 e' A: j( U[email protected]+ @# ^# [8 g% Z. e! `' y
hi  [email protected] test* H) j3 x5 _  A* _2 }/ V/ O1 d# v
[email protected]  [email protected]
0 p3 A( h! e* Y1 `执行后,得到result.txt
( T6 a8 L3 _3 w  ^. b$ `➜  ~ cat result.txt 3 i; g3 ^+ U( u" b- g; ~
[email protected]1 U& W- |% V% n6 L4 L9 f2 c- y
[email protected]
) e, T$ Y' f; W[email protected], Y. i1 A, n' d) c
[email protected]( S  a8 [" [+ X: L, ]) }
# G9 A8 p9 D2 w
代码如下:  L7 I! r; v4 Y+ Y. {7 r
  1. <?php
      R" j3 ?, R6 R! ^# L# g  b" R
  2. $file = 'x.txt';) y) Z# W$ j4 B8 o
  3. $fp = fopen($file, 'r');+ o2 ]0 s. b& B8 G: a/ l. R9 E$ {
  4. if (!$fp) {5 {9 c3 ^8 a6 `( |' T0 S
  5.     exit('failed to open'.$file);
    8 t, [" A& H( `
  6. }
    1 b& C. y% ^* }' d8 \* s* G
  7. $lineNumber = 0;
    ( ^- K* ]6 e" N# \3 ^
  8. while($line = fgets($fp)) {6 k' o' R" U, `" G  x, g6 h
  9.     $lineNumber++;
    1 q- Z$ C, X' F& K* R0 V
  10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    ! j3 Y3 E2 B. A1 k9 P8 L
  11.     preg_match_all($pattern, $line, $matches);& i9 ^4 B  {$ S4 S
  12.     if (!empty($matches[0])) {
    ' p$ W+ Q+ |7 D+ N3 Y
  13.         foreach ($matches[0] as $mail) {
    % x/ J. e( Q. x
  14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;7 X/ Y* Q/ g8 x! q- n" J4 s
  15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);5 H' r; c' n+ M
  16.         }, \9 X* ?) W7 A& K1 p. j, \
  17.     }
    0 K$ \- ?  N7 R& F2 \
  18. }4 o% s; k. t, I2 |
  19. echo "All Done";
    ! b, \/ J+ l" }+ t% x3 y8 c( 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
' \7 O) v/ i+ M1 ^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, 2025-4-22 02:16 , Processed in 0.050164 second(s), 16 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