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！！！
! w2 f* r2 u7 ?/ R) y6 m9 @- F

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])?
; P* z) U7 N0 ~* ]! Q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。
: K1 ^' z1 D: V4 r; S7 @9 O, A6 I
) G& p; b2 ?$ z. b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#
2 Z1 o' R6 S7 g+ L# ~* |; A- Y- F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。
+ Z* L# e9 Q4 m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。
% `2 o  c6 @; R: W, x8 J& O; O+ M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
! o& h" f( B# u* @8 x  VEmEditor（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

; \6 h4 X  n# p. j/ B& N# B  J5 E花了几分钟帮你写了下
例如源文件为这个txt
4 B- G6 E) w, D# l  V6 f: B➜  ~ cat x.txt
hitest
; {# n; q3 k$ H4 L# E[email protected]
hi  [email protected] test
[email protected]  [email protected]
1 z! e/ T) c" t3 m) T( G执行后，得到result.txt
➜  ~ cat result.txt
$ v! z3 c9 g+ Q. N7 p3 u[email protected]
[email protected]
- A8 ]7 \. ~4 k  y6 K+ d[email protected]
  P; i& L4 J! p[email protected]

代码如下：
" M: Q* S- W- U8 u3 s* m# M5 D! {& q3 I0 R

1. <?php
   
2. $file = 'x.txt';
   % e1 A# t5 P+ f; U; l6 F/ H
3. $fp = fopen($file, 'r');
   1 G3 A8 u: O: W# @% j2 }
4. if (!$fp) {
   3 q/ Z$ ?7 }2 r% Q
5.     exit('failed to open'.$file);
   * r$ z- d1 o" F/ _
6. }
   
7. $lineNumber = 0;
   + G  P! I) X$ F2 [4 }' o: V0 n
8. while($line = fgets($fp)) {
   
9.     $lineNumber++;
   5 j. y% w$ s) m1 g% }1 w/ k, o
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    ! z' m  H9 h* ~+ Q
11.     preg_match_all($pattern, $line, $matches);
    5 w0 ^  w3 ]7 b6 e0 l) v# [
12.     if (!empty($matches[0])) {
    
13.         foreach ($matches[0] as $mail) {
    
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    ; K% l; ?  \7 A* ]+ y7 h
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    / C2 ?; i8 c# n$ V  |9 \# F9 |
16.         }
    0 a9 Q* g6 F/ h
17.     }
    2 x8 B# s( q8 s/ Y% O5 V. Y: j7 y
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
+ M9 h( @0 n5 ~7 V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