批处理之家 - Powered by Discuz! Board

标题: [文本处理] [已解决]批处理如何提取大文件文本指定文本？ [打印本页]

作者: daohe 时间: 2012-1-11 15:13 标题: [已解决]批处理如何提取大文件文本指定文本？

本帖最后由 daohe 于 2012-1-12 23:47 编辑

一个txt文本，几百万行，目的是为了提取下面文档的邮箱，然后保存到指定文本文档
每一行内容如下：
dfhmail # XXXxxx # dfhmail@tom.com
yxinlai # xxxxxxxx # yxinlai@gmail.com
bauga # xxx # abc@qq.com
12sdfs # xxxxx # abc@163.com
yxinlai # xxxxxxxx # abcdef@gmail.com
（xxx内容包含字母，数字，空格，符号等）

指定一个字符串 @gmail.com，@163.com，@qq.com等（可以自行添加），提取第二个#号后面的邮箱，储存与对应的文本文档，
比如gmail.com.txt，163.com.txt，qq.com.txt，内容分别是：
gmail.com.txt
yxinlai@gmail.com
abcdef@gmail.com
----
163.com.txt
abc@163.com
-----
qq.com.txt
abc@qq.com
---

请考虑文本行数，数量巨大（几百万行），需要执行高效率。

作者: ivor 时间: 2012-1-11 15:28

@echo off
for /f "tokens=1-3 delims=#" %%i in (a.txt) do (
	echo %%i # %%j # %%k >> %%k.txt
)
复制代码

作者: daohe 时间: 2012-1-11 16:11

本帖最后由 daohe 于 2012-1-11 16:24 编辑

回复 2# ivor

谢谢，但是不是这样。我是想提取包含gmail的所有邮件全部存在gmail.com.txt里。井号#前面的字符串不要。只要保留邮箱就行。

作者: find 时间: 2012-1-11 17:19

gawk -F# "{gsub(/ /,\"\",$3);split($3,a,\"@\");print a[1]\"@\"a[2] >a[2]\".txt\"}" a.txt
复制代码

作者: applba 时间: 2012-1-11 17:34

楼主不会是下载了网上泄露的密码数据库？
提取后有何用途？

作者: ivor 时间: 2012-1-11 18:03

@echo off
for /f "tokens=1-3 delims=#" %%i in (a.txt) do (
	for /f "tokens=1,2 delims=@" %%a in ("%%k") do (
		echo %%a@%%b >> %%b.txt		
	)
)
pause
复制代码

这样可以吗？，如果不行等我吃完饭再说

回复 3# daohe

作者: daohe 时间: 2012-1-12 23:36

回复 5# applba

恩。下载了整理，分析数据用。

作者: daohe 时间: 2012-1-12 23:47

感谢各位。已经解决

作者: CrLf 时间: 2012-1-13 00:04

最近各种泄露，邮箱算是比较敏感的话题，建议询问者若有咨询此类问题，先说明用途，而答题者也最好确认对方有正常用途再作回答。

欢迎光临批处理之家 (http://bbs.bathome.net/)