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！！！
- a7 h. V2 q! N& b& @/ y4 F+ N

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])?
* W1 t1 M( ]! {- a; m3 P! h* K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。
& {/ f% H7 ^3 T' G
9 f# Q9 w" o. f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#
9 S0 N/ W6 N; b! l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。
; h  `) p3 Y; B+ A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， ...

/ g1 |1 t0 }; _/ p大神能给个正则表达式替换的例子吗？

bjzhush

$ W: |/ p5 S5 N1 P2 D
花了几分钟帮你写了下
( M( x; t! T  V6 N+ z/ w例如源文件为这个txt
➜  ~ cat x.txt
hitest
[email protected]
& d& Y  V4 E. {3 B$ \& qhi  [email protected] test
[email protected]  [email protected]
执行后，得到result.txt
  v! @% Q* U+ r  _) K➜  ~ cat result.txt
[email protected]
[email protected]
[email protected]
[email protected]
7 f& U4 r2 j( K/ y7 Y# V
( T- J/ ]" e# t( ?; Z+ K代码如下：
/ |  V' O% C: X( Q* Y8 e8 c

1. <?php
   
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   6 [/ {2 Y& C: ]+ W( H: U
6. }
   
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   
9.     $lineNumber++;
   : F( S6 |7 E7 ~; L! X4 W/ ^/ f
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) {
    4 s7 g& M2 D. v' [( s! X8 F
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    * e( U: W( ~5 |
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    1 c& H5 m+ {7 l0 W- }. ~% v
16.         }
    2 G5 u+ X6 \% s, X: j7 t* e
17.     }
    2 M5 R' _+ f9 f; e' k  C: u7 [
18. }
    0 t/ \# [$ ^1 O  W) M
19. echo "All Done";
    1 h$ U4 R5 m. ~* O' l  M: i

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
# }1 q. t4 [& T/ V5 J7 M/ z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