AdvertCN - 广告中国

 找回密码
 立即注册

QQ登录

只需一步,快速开始

Binom
 谷歌+Bing+TT+MSN官方代理 
⚡️按条S5代理⚡️静态⚡️独享⚡️5G⚡️最干净<Wifi住宅+5G移动>IP代理指纹浏览器,就用AdsPower
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】❤️搜索套利广告开户独立站⚡️开户投放
DuoPlus专注打造跨境电商云手机E.PN 虚拟卡BINOM TRACKER 60% OFF!比Adplexity还好用的Spy工具
MediaGo+Taboola+Ob开户百度国际MediaGo⚡️让产品狂奔全球百度国际,高点击转化,快速放量百度国际MediaGo,独家原生流量
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,账单户一手BM分享户不限额9Proxy ⚡️ $0.04/IP, 无限带宽
FB二三解0.1元一个虚拟卡|PTM星际卡FB专用虚拟卡Google、Bing官方总代  联盟流量开户
FB账号资源/稳定靠谱/运行5年啦FB开户代投/三不限/白名单fb耐用号0.01一个fb账号官方合作商
广告位出租   
查看: 25800|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

2278

广告币

2517

积分

高级会员

Rank: 4

积分
2517

社区QQ达人

发表于 2017-12-1 00:08:03 | 显示全部楼层 |阅读模式
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!!!
7 R6 _4 P" f8 {$ P: U& J
相关帖子
回复

使用道具 举报

23

主题

1229

广告币

2177

积分

高级会员

Rank: 4

积分
2177

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])?7 W% I. M% U3 f! h. p
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。' Q& [4 N( F1 O2 f

, D4 W  E" l+ u( r+ t0 j4 H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

745

广告币

1972

积分

高级会员

Rank: 4

积分
1972

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

739

广告币

1401

积分

高级会员

Rank: 4

积分
1401

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

1706

广告币

2311

积分

高级会员

Rank: 4

积分
2311

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

2278

广告币

2517

积分

高级会员

Rank: 4

积分
2517

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#6 c) _# C* W3 Y+ J
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。
' b6 M- A* b9 X' w; l, h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。$ E7 x0 C* B1 ?+ T
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

1819

广告币

2699

积分

高级会员

Rank: 4

积分
2699

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

2278

广告币

2517

积分

高级会员

Rank: 4

积分
2517

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

1020

广告币

2645

积分

高级会员

Rank: 4

积分
2645
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

2278

广告币

2517

积分

高级会员

Rank: 4

积分
2517

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 21:25% O; ]/ v6 T' y, y# M
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, ...
1 K. z) V1 M2 }, l# b' [
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
& b5 @( F6 r$ F: A2 l! ~. U+ O: G
& ]; k8 R+ r- ?- D/ N  d. c花了几分钟帮你写了下 . l1 ^3 e' m9 w/ y* W) e
例如源文件为这个txt0 ]$ z1 f4 S2 j+ J; G, S0 Z
➜  ~ cat x.txt
9 z+ [% F0 C' ]9 F( Mhitest
0 d) }9 B; f& [+ @  Z8 O$ ^[email protected]
& R) I6 [3 i" D- O: k: bhi  [email protected] test7 s+ r/ e7 N$ \6 |+ e( Q" X) e+ x
[email protected]  [email protected]" N( U# B, g! G5 u, }* Y6 G/ P
执行后,得到result.txt
: _: G# P  S" N" \" `, C! {5 y➜  ~ cat result.txt
8 n( G7 ~' e; y$ w6 t; P[email protected]
' c. ~7 s# r& a8 v2 Y[email protected]  W4 u2 O5 ~4 F
[email protected]
5 t7 \/ `" j0 l. i% T# i1 D[email protected]- g1 v4 J& R8 K8 ~$ r/ w0 j% n+ d

( c9 l# }$ {3 {! i代码如下:) Q  g* v/ `/ B. x4 _5 k9 z9 Z
  1. <?php5 @: q4 ]0 o3 q8 R- a
  2. $file = 'x.txt';
    ! j0 }4 D; ?8 C
  3. $fp = fopen($file, 'r');7 K- W4 B1 W# A
  4. if (!$fp) {
    ' a+ c, W% w4 [; J7 N
  5.     exit('failed to open'.$file);
    ( R3 W  l# B( g. n- W, A
  6. }
    , A! K+ C' h( X2 B. I! {: \
  7. $lineNumber = 0;
    - U* M; r+ m3 {9 T- w
  8. while($line = fgets($fp)) {
    , r3 l4 q$ O1 @9 @
  9.     $lineNumber++;
    + @' C/ }& H, `8 H, [: m
  10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    9 K4 d; F" O. s, C+ y) g
  11.     preg_match_all($pattern, $line, $matches);) e" t8 V$ g* z  f
  12.     if (!empty($matches[0])) {
    , R+ x1 b+ s+ g6 T/ Q* W% V0 ?
  13.         foreach ($matches[0] as $mail) {
    6 Q2 w) t" G( U# y4 z
  14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;6 n) \" B2 R3 I6 w. n- r5 I
  15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    $ P6 [5 I6 w( Z3 z9 O
  16.         }" x3 c/ e% ~$ e2 S6 o) J/ j" F6 ^5 `
  17.     }% e# s3 Y, c" b* R" O  l
  18. }
    ) m. z' E  c3 J/ Z1 J
  19. echo "All Done";% ^& _& T* Y1 Y/ I4 [
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
/ s5 x3 G0 E( w% b+ P* 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, 2024-11-21 18:28 , Processed in 0.051716 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