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！！！
8 \* i# D2 M) [2 D

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])?
0 o- [! z$ b+ z! Y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。
6 ]+ v& ]9 x* ?  K, R# a9 {
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#
( a; s3 k, j1 d3 {. [. D6 |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。
, `9 X0 A4 F# p& s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. a0 y( }5 I; t6 w) W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， ...

6 X9 ^+ e; q' N. K5 n1 k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
( N( }$ H5 b1 G5 e& p例如源文件为这个txt
# u5 T! @! b, E2 W( \) g7 n9 R➜  ~ cat x.txt
hitest
5 S1 p, ?& c' N8 e' A: j( U[email protected]
hi  [email protected] test
[email protected]  [email protected]
0 p3 A( h! e* Y1 `执行后，得到result.txt
( T6 a8 L3 _3 w  ^. b$ `➜  ~ cat result.txt
[email protected]
[email protected]
) e, T$ Y' f; W[email protected]
[email protected]

代码如下：

1. <?php
     R" j3 ?, R6 R! ^# L# g  b" R
2. $file = 'x.txt';
   
3. $fp = fopen($file, 'r');
   
4. if (!$fp) {
   
5.     exit('failed to open'.$file);
   8 t, [" A& H( `
6. }
   1 b& C. y% ^* }' d8 \* s* G
7. $lineNumber = 0;
   ( ^- K* ]6 e" N# \3 ^
8. while($line = fgets($fp)) {
   
9.     $lineNumber++;
   1 q- Z$ C, X' F& K* R0 V
10.     $pattern = '/[a-z0-9_\-\+]+@[a-z0-9\-]+\.([a-z]{2,4})(?:\.[a-z]{2})?/i';
    ! j3 Y3 E2 B. A1 k9 P8 L
11.     preg_match_all($pattern, $line, $matches);
    
12.     if (!empty($matches[0])) {
    ' p$ W+ Q+ |7 D+ N3 Y
13.         foreach ($matches[0] as $mail) {
    % x/ J. e( Q. x
14.             echo $mail.' found from line '.$lineNumber.PHP_EOL;
    
15.             file_put_contents('result.txt', $mail.PHP_EOL, FILE_APPEND);
    
16.         }
    
17.     }
    0 K$ \- ?  N7 R& F2 \
18. }
    
19. echo "All Done";
    ! b, \/ J+ l" }+ t% x3 y8 c( i" x

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
' \7 O) v/ i+ M1 ^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