AdvertCN - 广告中国

 找回密码
 立即注册

QQ登录

只需一步,快速开始

Adsterra China
 谷歌+Bing+TT+MSN官方代理 
⚡️按条S5代理⚡️静态⚡️独享⚡️5G皇家代理IP⚡️#1性价比⚡️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)⚡️个人户,bm户不限额,账单户Google、Bing官方总代  联盟流量开户FB资源,账单户,分享户,国内一手
FB企业户BM户账单户源头海外CL企业户源头PTM全球虚拟卡—进来交个朋友!PTM虚拟卡⚡️费率透明⚡️额度随心
FB虚拟卡⚡️消费越多返现越多虚拟卡 - Pay2.House【找量】BA独家Nutra单找量广告位出租
8500万高质量住宅IP,助力各种需求虚拟卡返佣1%,国内持牌机构  
查看: 26905|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

2493

广告币

2706

积分

高级会员

Rank: 4

积分
2706

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!!!
* ^% }) I4 W& }  Z6 Q" Y
相关帖子
回复

使用道具 举报

23

主题

1275

广告币

2222

积分

高级会员

Rank: 4

积分
2222

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])?/ p. T% r& Q7 u4 @& r
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。
2 w, x( s9 Y) W6 S8 q
( e6 _8 I! L' F5 E" ^7 Z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

788

广告币

2014

积分

高级会员

Rank: 4

积分
2014

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

754

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

1925

广告币

2507

积分

高级会员

Rank: 4

积分
2507

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

2493

广告币

2706

积分

高级会员

Rank: 4

积分
2706

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#8 f. P4 r" k4 a& d' O2 x+ x
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。3 I, {$ b$ e0 _& N: _/ _
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。
5 r* c  H( b5 F: E8 U/ e9 Y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

1825

广告币

2705

积分

高级会员

Rank: 4

积分
2705

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

2493

广告币

2706

积分

高级会员

Rank: 4

积分
2706

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

1060

广告币

2683

积分

高级会员

Rank: 4

积分
2683
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

2493

广告币

2706

积分

高级会员

Rank: 4

积分
2706

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 21:251 s# m- F$ v: X7 s9 s% q! L
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, ...
3 E5 F. H5 H- y" l
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
. q' I+ M" l, O) i5 O7 W( h" b4 P
花了几分钟帮你写了下 $ e' @$ {9 _' h
例如源文件为这个txt
$ O6 Y. G7 Z4 L➜  ~ cat x.txt
  O& z0 n2 ]' i$ `hitest& N0 B) Y3 s. [7 L# _! e
[email protected]2 O3 F  c% W, E9 {) D
hi  [email protected] test
4 K9 k1 l0 G( G+ n& U4 y! j$ e[email protected]  [email protected]
: P7 N8 c: v6 o1 `执行后,得到result.txt' U. c" j+ _# K# `/ G- j
➜  ~ cat result.txt
7 k5 V- l5 Q$ _4 i6 E  d( i# ^[email protected]
1 s% T- s, d$ `. @- q[email protected]
4 l- u. y9 b4 I[email protected]
5 X/ f. P9 W( N- k[email protected]
  U3 ~8 c, N* [5 \& k! N; F0 F" @- k8 A7 p- _* N, y
代码如下:- \/ O/ w. T2 Q+ c
  1. <?php
    5 y4 m2 k7 v+ d% l  L3 t, ]/ b
  2. $file = 'x.txt';
    ) k& W* y4 |" C
  3. $fp = fopen($file, 'r');- m8 t8 V; D. O! t5 y
  4. if (!$fp) {
    * g6 f% Q; s* Q9 u% ]. G) n9 I
  5.     exit('failed to open'.$file);  h$ \1 T" c; q( V0 F9 z
  6. }
      Z. g: I; C( \
  7. $lineNumber = 0;
    2 R" Y( q2 t2 e! G% i: H
  8. while($line = fgets($fp)) {
      q- g, s  A6 g: d4 H) i! L* C
  9.     $lineNumber++;
    1 n' ~0 |  L8 B" d5 b' J1 Q3 U
  10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';( l, h  B# D3 `% t) U7 @
  11.     preg_match_all($pattern, $line, $matches);  r- N7 n6 }3 t" v: `
  12.     if (!empty($matches[0])) {
    1 y4 I5 l/ q. U/ U" \4 }' I* V
  13.         foreach ($matches[0] as $mail) {) |# ^( }+ \8 M: ~! d6 g* K: g8 a
  14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;$ z1 |3 E" u8 a( ?. s9 Q0 q
  15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    " `1 H( d$ f: k$ r7 d0 G  b; N
  16.         }9 Q" X, A' K0 |8 {* e2 c
  17.     }- s  B$ X1 A: g1 x2 G6 M' A- A
  18. }* U" ^: g$ S5 [
  19. echo "All Done";
    % `; _4 P* x+ d8 \
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
* S- z4 q0 t9 E" e& p5 _1 L+ D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, 2025-7-15 09:22 , Processed in 0.054253 second(s), 15 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