OS Ubuntu 14.04 64位LTS - 最小安装 - 更新。
规格： 2x 6核Xeon， 12 GB ECC内存， 存储RAID 10 = 4 TB， 文件系统= ext4，
以上服务器专用于此项目。
期望的结果：
更有效地使用grep，减少误报，并且更清洁＆＃34;结果并仅将电子邮件帐户导出到txt文件。
概述：
我有许多各种格式的大文件，.csv，.excel，.txt，.sql等
一些文件是压缩zip，rar，gz等（我将尝试zgrep下一步）
这些文件驻留在Windows 2012服务器上，我已将该共享安装在Ubuntu框中，我需要将所有电子邮件提取到txt文件。
我已经完成了大量研究和使用各种正则表达式，但无法按预期100％运行。
示例：
首次尝试：
grep -Rs .*@.* . >> emails.txt
第二次尝试：（研究后）
grep -e '^.*\@.*\..*' -r -n -h >> emails.txt
第三次尝试：（为了更好的表现）
LANG=C grep -e '^.*\@.*\..*' -r -n -h >> emails.txt
第四次尝试：（甚至＆＃34;更好＆＃34;性能，但这取决于硬件）
cat * */* */*/* | parallel --pipe -N 250 --round-robin “grep -e '^.*\@.*\..*' -r -n -h >> emails.txt"
问题：
通过第一次和第三次尝试，我仍然得到了大量的垃圾＆＃34;出口。
第四个示例cat仍抱怨文件夹，我尝试使用find .运行它，但后来我只得到输出中包含邮件帐户的文件。
更新： 2015年5月27日 - 格林尼治标准时间1:35
经过对此论坛和令人惊叹的社区的更多测试和输入后，我现在已经解决了以下问题：
grep + email regex示例：
grep -r -o -n -h '[[:alnum:]+\.\_\-]*@[[:alnum:]+\.\_\-]*' . >> emails.txt
grep -r -o -n -h '[[:alnum:]+\.\_\-]*@[[:alnum:]+\.\_\-]*' . >> emails.txt | sort | uniq -i
变体形式：
grep -ronh '[[:alnum:]+\.\_\-]*@[[:alnum:]+\.\_\-]*' . >> emails.txt
grep -ronh '[[:alnum:]+\.\_\-]*@[[:alnum:]+\.\_\-]*' . >> emails.txt | sort | uniq -i
仍在测试/进行中：
潜在的速度增加：
LANG=C grep -ronh '[[:alnum:]+\.\_\-]*@[[:alnum:]+\.\_\-]*' . >> emails.txt
LANG=C grep -ronh '[[:alnum:]+\.\_\-]*@[[:alnum:]+\.\_\-]*' . >> emails.txt | sort | uniq -i
管道并行并分成多个进程（应该提高硬件速度）：
cat * */* */*/* | parallel --pipe -N 250 --round-robin “grep -ronh '[[:alnum:]+\.\_\-]*@[[:alnum:]+\.\_\-]*' >> emails.txt"
cat * */* */*/* | parallel --pipe -N 250 --round-robin “grep -ronh '[[:alnum:]+\.\_\-]*@[[:alnum:]+\.\_\-]*' >> emails.txt | sort | uniq -i"
管道并行并分成多个进程（应该提高硬件的速度），包括LANG = C：
cat * */* */*/* | parallel --pipe -N 250 --round-robin “LANG=C grep -ronh '[[:alnum:]+\.\_\-]*@[[:alnum:]+\.\_\-]*' >> emails.txt"
cat * */* */*/* | parallel --pipe -N 250 --round-robin “LANG=C grep -ronh '[[:alnum:]+\.\_\-]*@[[:alnum:]+\.\_\-]*' >> emails.txt | sort | uniq -i"
答案 0 :(得分：0)
获得大量“垃圾”出口
您可以使用匹配得更好的电子邮件正则表达式，例如来自this SO answer：
^[a-zA-Z0-9.!#$%&'*+/=?^_`{|}~-]+@[a-zA-Z0-9](?:[a-zA-Z0-9-]{0,61}[a-zA-Z0-9])?(?:\.[a-zA-Z0-9](?:[a-zA-Z0-9-]{0,61}[a-zA-Z0-9])?)*$
（但也许@fedorqui的那个更适合。）
我尝试用
find .运行它，但后来我只得到那些文件 包含输出中的邮件帐户
命令
$ find . -type f -exec cat {} \; | grep myregex
为您提供当前工作文件夹（cat file）中每个文件（-type f）的内容（每个项目.）。如您所见，您可以将其发送至grep / xargs / parallel / ...