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])?
, N- }4 U* `0 U1 F6 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。
  H9 F0 c9 k- v' @1 Y# R
- a& w0 D3 d! z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#
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。
8 Z' v$ N9 U% p+ U8 P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， ...

( z3 Q1 ?( ]4 H4 c/ G5 W大神能给个正则表达式替换的例子吗？

bjzhush

' U( B+ ~! D0 r- ~& [5 @花了几分钟帮你写了下
. t& T) u1 B! q- k" \" R例如源文件为这个txt
➜  ~ cat x.txt
hitest
# @1 T6 N2 c3 }5 ][email protected]
9 ?( C- l! {' A9 ?1 Yhi  [email protected] test
0 R! D5 t" o7 P) Z[email protected]  [email protected]
# E3 J; I0 h, s6 O# F) T4 f/ G) e执行后，得到result.txt
% R9 |" m* w8 Z1 C➜  ~ cat result.txt
$ S6 t; B% I- |3 R8 X# m3 G* i$ |[email protected]
  [0 t; b; l. E[email protected]
% p1 T1 \7 M' R( T4 w( Q[email protected]
, g0 x% U2 D! b% Q- T3 e/ s[email protected]
: ?* u. x# F" {: l4 `' @; B
  v2 m6 w- l6 ]代码如下：
# ^6 ]( x$ m8 W$ C# j8 E1 Y

1. <?php
   
2. $file = 'x.txt';
   $ L* s; u- h1 `: ]
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   
6. }
   
7. $lineNumber = 0;
   2 ^; K7 t- W  \+ O& d! S# [3 C
8. while($line = fgets($fp)) {
   " D+ Z  u: A1 s- W! {/ o
9.     $lineNumber++;
   
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    
11.     preg_match_all($pattern, $line, $matches);
    4 E1 g3 u- n; N. |" r
12.     if (!empty($matches[0])) {
    
13.         foreach ($matches[0] as $mail) {
    9 O( E& F+ S& H2 I
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    
16.         }
    6 J) T! c- ?+ ^2 @9 D5 B" s+ `* Y
17.     }
      ^/ l& }: w# p% S1 X0 w
18. }
    
19. echo "All Done";
    5 O& Z0 g) {7 n5 h7 _4 C

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 v# X7 ~( Y2 o8 S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