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！！！
5 o. R+ u& e4 z+ N5 @9 S0 F2 M9 B

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。
( N; f$ |$ F+ V0 ?0 x# h" n4 ^& a
  _* y: D$ b" d( n. C8 {; \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 C; L! o9 o) \- W7 T# ~" 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， ...

' z& g: v* U3 s  W  |5 ?/ b大神能给个正则表达式替换的例子吗？

bjzhush

: T. ?! i$ U% B+ H花了几分钟帮你写了下
例如源文件为这个txt
8 a, a( Y) e, o8 h( ?$ Q' [➜  ~ cat x.txt
& U- f2 ?5 S7 s: Ghitest
[email protected]
2 E& N" L& e2 S, Y5 ?* \7 F# ghi  [email protected] test
# D- m  u6 Z. q! }* V4 s[email protected]  [email protected]
执行后，得到result.txt
➜  ~ cat result.txt
/ T/ R! [0 A* T8 w/ G3 R% W/ n; C[email protected]
2 m/ x# s9 |7 e[email protected]
1 J% Z) h3 }% f: k7 a1 p1 H[email protected]
[email protected]
+ Q/ }, |  k5 _) G* @
  I. O+ }, x1 {4 m& `代码如下：
' R" }1 o/ K* S! y

1. <?php
   3 o' Q' z+ M# c+ g! ?" n. A
2. $file = 'x.txt';
   # S  w/ J+ \7 J7 C2 P
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   & X7 R/ k2 c6 S! K8 G- p1 A% ~3 I+ L
5.     exit('failed to open'.$file);
   
6. }
   
7. $lineNumber = 0;
   : M) P" q3 ?4 P' \+ K* {( u
8. while($line = fgets($fp)) {
   
9.     $lineNumber++;
   
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    1 T/ L0 ]: N; l: s
11.     preg_match_all($pattern, $line, $matches);
    8 Y9 R6 F, C3 |! h' r
12.     if (!empty($matches[0])) {
    
13.         foreach ($matches[0] as $mail) {
    
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    5 _& l* A7 `. `+ `0 }
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    6 |. P; n1 y1 d' P- L4 F2 Q4 C
16.         }
    + p, R$ T2 J% f  o
17.     }
    
18. }
    ' Z- f# d) q) [5 t
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
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