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！！！
- q; n5 J" N1 w2 Q1 l

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])?
5 [' }; d) Z* R6 b  a" B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。
; k  A5 D6 X3 u% Z  ]" ?9 _
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#
, e( \* l$ z. C9 W  \3 t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。
1 V5 H* J# }/ ?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
4 y1 \% }. E% w$ k( |# NEmEditor（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

1 Z: x# v( a+ R( r  q' A花了几分钟帮你写了下
例如源文件为这个txt
➜  ~ cat x.txt
6 Y' q! M% L% z& E& I! M) Thitest
[email protected]
hi  [email protected] test
[email protected]  [email protected]
& ]) I: t  ~1 q4 [$ e: |, i执行后，得到result.txt
3 H4 }: b8 C1 r$ X' H4 ^8 n➜  ~ cat result.txt
[email protected]
7 J2 }/ W  j' a$ a, Q[email protected]
$ s" ^% Y9 x4 S3 {, e[email protected]
[email protected]
" I( o/ N( ?* _3 Q& Z% s
4 p! Y+ r* d1 ~& P代码如下：
- d. Y' L& L8 R0 w

1. <?php
   
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   ! }5 A( |0 w% Q6 Y  m: a- o
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   ( K5 ?$ \6 t5 k8 A& u
6. }
   $ }# B# ?" R  l- Y8 L1 i6 i+ {3 D
7. $lineNumber = 0;
   
8. while($line = fgets($fp)) {
   
9.     $lineNumber++;
   0 N! u% F6 p: e& D  E5 r3 q0 ~
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    
11.     preg_match_all($pattern, $line, $matches);
    7 B+ D. P) l% t0 O  t9 G0 \
12.     if (!empty($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);
    1 d. z* E8 |! \5 q9 z3 J6 A/ s& D, r( Q
16.         }
    
17.     }
      u6 G: ~% N  l& A$ d9 V0 W
18. }
    
19. echo "All Done";
    ) `5 q) \7 j  Z" a

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