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。
- o' h( i2 D2 K) F2 f  `
) d1 Y4 g# r: r/ ^- g# J6 ~& d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。
1 K( l$ @" D6 c5 [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
7 `' ^# H- R  k& C" v' S- sEmEditor（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， ...

) @' _% h5 M+ a  p大神能给个正则表达式替换的例子吗？

bjzhush

花了几分钟帮你写了下
9 b9 K3 @! l7 P! y# _# t, u例如源文件为这个txt
' J' v* ?/ L0 |% X( w8 Z8 c➜  ~ cat x.txt
hitest
[email protected]
hi  [email protected] test
0 A/ p! H+ g0 D& u4 E[email protected]  [email protected]
+ \- u7 q8 N: {. c执行后，得到result.txt
( c% d% ~- l+ U( `2 \➜  ~ cat result.txt
[email protected]
[email protected]
[email protected]
# R# @7 ~  I3 x* Y0 ?[email protected]
& W/ @- G2 {' j: h3 ?) ]( d* L
4 u9 t8 R* J# k# Q+ u  p代码如下：

1. <?php
   
2. $file = 'x.txt';
   - x8 s/ ]( H6 G% Z* f* p8 l
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   0 S; x: I$ {6 }2 Y1 ^3 w
6. }
   9 `6 @; S! q2 L3 J3 Q6 d  T
7. $lineNumber = 0;
   " `; e" N4 C3 a8 T9 Z, X
8. while($line = fgets($fp)) {
   
9.     $lineNumber++;
   * e( w, P# s! Q! N4 I1 [4 |6 O4 n
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    $ t. |8 t: I' V/ A  K
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;
    ; z8 o: t7 Y: Q2 e
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    
16.         }
    
17.     }
    # S; a% e, _% g) ]1 O
18. }
    
19. echo "All Done";
    8 r! k& m5 E0 r: }. A# 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
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