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。

1 t7 A* m" O( I. F5 G6 a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#
6 t/ B& o8 ~+ K9 N( T" W5 [! 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。
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
1 ?0 a9 ]& h: k0 T& G! `1 fEmEditor（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

花了几分钟帮你写了下
( E& G2 ?) \7 U" @/ P; y例如源文件为这个txt
8 Q; t7 f0 l+ ?3 J; Y➜  ~ cat x.txt
, S% x: F' O; B2 g' Thitest
[email protected]
5 A$ h  p' c. @7 xhi  [email protected] test
% V4 I8 f1 Y2 y( r! S- ^[email protected]  [email protected]
执行后，得到result.txt
➜  ~ cat result.txt
5 L! k: D0 X2 m[email protected]
7 i0 I; @7 f% A* k9 C" y[email protected]
/ `) E, r: y1 u9 ~: G* Q[email protected]
. F( A: _  i  @[email protected]
! A3 F, B8 ^$ G6 A3 i1 Y
3 T' s9 l/ R2 v代码如下：

1. <?php
   
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   , z' \9 ^% d9 t4 L
5.     exit('failed to open'.$file);
   4 l" H! @  O  |9 C
6. }
   
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   
9.     $lineNumber++;
   ! N$ n6 j! Z4 N9 C: |+ C
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) {
    
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    
16.         }
    
17.     }
    6 O$ P" f3 h9 B6 ~- L! ~
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
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