该邮箱地址提取工具的中央功能, 是从包含于文档、网页、还有聊天记录之内的一些文本数据里, 进行批量的识别与符合格式的电子邮箱地址的摘取动作, 这能省去那些一个一个进行手动筛选所耗费的时间与力气, 现在普遍使用的主流提取方法, 可以划分为在线使用的网页工具、基于命令行的正则表达式脚本以及办公软件里面自带的核心功能这三种类型, 而其中的在线类工具, 因为它们根本不需要下载安装程序, 只要打开网页就能马上投入使用, 因此已经成为个人用户或者是小规模团队在提升工作效率方面选择最高的一种方案。
三类工具对比
这类在线网页工具: 你把文本粘贴进去, 或者把文件上传上去, 工具就会自动进行识别并列出所有的邮箱地址, 并且支持一键复制操作, 也支持导出功能。
像gname.xin这个网址就是属于列表里面的工具, 它的特点是不需要进行任何软件的下载安装, 能够支持使用多种格式的输入方式, 最后处理出来的结果是可以被导出成txt格式或者是csv格式文件的，所以这类工具对于没有什么技术背景的普通用户来说是非常适合的。
这个命令行正则工具, 它是能够用来匹配邮箱格式的, 它主要是使用正则表达式这样的方式进行操作的。它适合开发者, 他们可以把服务器的日志进行批量处理, 这种场景下用它是很方便的。
平常的时候, 我们用的命令就是 grep -oE '[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}' 文件名 , 这个操作可以让结果直接输出到终端里, 或者重定向到文件中去。
办公软件内置功能, Excel具备查找替换功能, Word具备查找功能, 这些工具可以定位到包含符号@的行, 它们本身不能自动进行汇总处理, 也不能自动完成去重操作, 因此只能适用于体量比较小的文本。
gname.xin 核心功能
gname.xin 是个给平常人用的在线地方, 用来把邮箱地址从文本里头弄出来, 它的主要本事是能让你贴着文字或者上传 txt 、 docx 、 pdf 这类文件做输入数据, 它还自己带着检查邮箱长对没长的功能, 能自动把那根本不符合 RFC 5322 标准的东西像 test@ 或者 a@b 这类的无效字符串全给滤掉不要, 拿出来的结果会自动去重再排个序, 你还方便一键复制好把它导成 CSV 文件, 整个数据处理的过程都是在浏览器里面自己搞定, 完全用不着你去注册账号。
操作步骤（以 gname.xin 为例）
1. 打开gname.xin网页, 在文本框中粘贴待处理内容。或者点击"上传文件"选择本地文档。
2. 用户需要先点击那个“开始提取”的地方, 然后这个工具就会在工作, 它会在几秒钟之内就把识别还有校验这两件事情都给做完。
3. 结果列表把所有的邮箱地址都列出来了, 这个默认状态是不重复的, 勾选仅显示高频邮箱这个框就能筛选出来出现次数大于或者等于两次的那些地址。
4. 请点击“复制全部”或者选择“导出CSV”这个按钮, 然后把得到的结果保存到本地设备上。
5. 如果需要再进行二次的检查, 那么就把那个叫做严格模式的选项给勾选上, 在这个时候, 工具就会一条接着一跳地进行确认, 去检查域名的部分到底是不是符合那种可以到达的格式。
整个流程根本就不用去安装任何软件, 从把页面打开一直到最后把结果导出来, 大概就在 30 秒之内就能完成得差不多。
使用注意事项
合规性: 依据《个人信息保护法》第二十八条的规定, 邮箱地址被界定为个人信息的一种。在批量收集这些邮箱地址之后, 只能将它们用于用户已经表示同意的用途。不可以将这些信息用于未经授权的营销推送活动。
准确性这个问题是存在的, 自动提取的时候可能会把代码占位符看成是真的邮箱地址, 比如那个用户加艾特@example.com这样的格式, 这种误判的情况不建议直接信, 提出来之后一定要人工去抽检一下里面的关键数据才行。
关于安全性, 应该优先去选择那些数据是在本地浏览器里面进行处理、不会上传到云的在线工具, 这样子做的话, 就可以避免把含有敏感信息的文档发送给那些服务器是不可控制的地方。
容量限制: 单次提取文本, 建议不要超过 5 MB；如果是超量内容, 分段处理后合并、去重就可以了。
