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])?
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。

/ k- k$ T$ I5 u8 K$ h6 g1 t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#
( J. L2 S* e" E  _4 h5 g; o3 u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。
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

5 y1 n5 a% b8 b* K. c# X! p
+ s/ l2 y) {4 I! K- j) K0 }- Y' J! D花了几分钟帮你写了下
例如源文件为这个txt
; n7 ~/ @+ \2 g- W2 U. f➜  ~ cat x.txt
hitest
7 n- J0 l6 k9 D1 v2 D& m& V[email protected]
hi  [email protected] test
( w" h% O" ^( E0 d4 r[email protected]  [email protected]
; L& {% z4 Q4 n/ j9 h执行后，得到result.txt
➜  ~ cat result.txt
# R; [6 O7 n% {  [" F5 i[email protected]
! q/ H: v6 {& u[email protected]
( M0 [, [- g4 q" |6 V, ?% R8 y[email protected]
[email protected]

代码如下：

1. <?php
   
2. $file = 'x.txt';
   ; q: i0 Y0 y* m3 u& l) d
3. $fp = fopen($file, 'r');
   " K: A3 {) v! m+ z" E3 {5 t
4. if (!$fp) {
   . I0 ^5 z$ C2 O* z
5.     exit('failed to open'.$file);
   ; Q& t( A$ M) B. v5 M- T$ w
6. }
   & K. \* R9 m/ \% B$ C- C$ b
7. $lineNumber = 0;
   $ l+ a9 t  ?% k1 ~; ~! Z
8. while($line = fgets($fp)) {
   
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);
    
12.     if (!empty($matches[0])) {
    
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.         }
    
17.     }
    ) R( t: z$ T0 k0 @6 b* R' p- k
18. }
    6 b6 p* F. n( {' ]' d& r
19. echo "All Done";
    * U  \! q0 O" |+ d

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
/ A5 i( H" f' p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