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！！！
, _3 Q$ Y, ^0 E* x

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。

' `5 \" _# X9 O7 k. P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#
! I$ Z% b+ Z4 i: e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， ...

+ M9 k$ |1 s  \5 J大神能给个正则表达式替换的例子吗？

bjzhush

8 e: L* W$ x3 }; a  K3 _
花了几分钟帮你写了下
& s- c( u( o0 i9 y例如源文件为这个txt
0 S% I3 j* F& n9 G+ W( ^4 c➜  ~ cat x.txt
hitest
; ?2 T6 L- S" @' k& p[email protected]
/ @" G5 Y: F8 ]* E) `. @hi  [email protected] test
* V; \/ ]3 }6 Z! s, q: k  J[email protected]  [email protected]
执行后，得到result.txt
  P! g" T$ A' J. Q1 h4 `4 f1 `➜  ~ cat result.txt
$ K, r! z/ v" A' ][email protected]
[email protected]
[email protected]
) x) M+ W0 X! A6 u" r3 Q[email protected]
4 N% U" ?6 f7 M; Q) N/ S% T: r, U
$ V# L+ q2 S2 c' s3 ?/ j代码如下：
# `* q4 N& R$ ~4 h% v0 y

1. <?php
   ; W5 }$ y7 k% q% a
2. $file = 'x.txt';
   8 I& a3 k( M; I( I4 J
3. $fp = fopen($file, 'r');
   ( Z% q8 q5 `" R
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   1 B2 Q# `$ D: m8 K, u6 @5 ~
6. }
   : P$ u% _  N7 B* x7 k) M
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   
9.     $lineNumber++;
   & c7 V/ c' k4 l7 W7 r; H
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) {
    # ^7 @1 @: z, _6 F. X1 {
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    . S/ c6 K  z- a% @2 l
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    4 G2 |1 v, f: M, k! I, D) H; o
16.         }
    
17.     }
    6 h3 P! Z9 V& A' d; A, M) P- t
18. }
    
19. echo "All Done";
    5 I/ Y* |; M5 N5 U! N# 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
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