如何通过linux命令从网站递归提取电子邮件

Question

我想递归地提取电子邮件表单站点，这样如果一个站点有其他电子邮件链接，它也会遍历这些页面并提取电子邮件 ID：s。

我对深度级别 2 执行了以下操作：

wget -r -l 2 -O - some site name |grep -E -o "[a-z0-9.]+@[a-z0-9.-]+.[a-z]{2,4}">>some.txt 

但是当我执行这个命令时，它只会创建一个文件“ some.txt ”并且不会提取任何 email-id:s。

Answer 1

为什么不执行递归 wget 并将站点存储在本地，然后在本地文件系统上的站点上执行递归 grep (grep -r)？ 只需在脚本末尾添加 rm -Rf 即可在完成后删除站点。

Answer 2

根据使用 PHP：第 1 点）。 开发人员以 HTML 实体格式 (rish) HTML 实体添加电子邮件 ID：

第 2 点）。 电子邮件写在 href="mailto:your@example.com" 上。 所以我们可以把它作为正则表达式。

<?php
    $str = '<div class="call-to-action ">
    <a title="Email" class="contact contact-main contact-email " 
    href="mailto:info@canberraeyelaser.com.au?subject=Enquiry%2C%20sent%20from%20yellowpages.com.au&amp;
    body=%0A%0A%0A%0A%0A------------------------------------------%0AEnquiry%20via%20yellowpages.com.au%0Ahttp%3A%2F%2Fyellowpages.com.au%2Fact%2Fphillip%2Fcanberra-eye-laser-15333167-listing.html%3Fcontext%3DbusinessTypeSearch" 
    rel="nofollow" data-email="info@canberraeyelaser.com.au">
    <span class="glyph icon-email border border-dark-blue with-text"></span><span class="contact-text">Email</span>
    <a href="mailto:&#114;&#105;&#115;&#104;&#97;&#98;&#104;&#100;&#117;&#98;&#101;&#121;&#50;&#48;&#64;&#103;&#109;&#97;&#105;&#108;&#46;&#99;&#111;&#109;">
    </a>
    </div>';

// $str = file_get_contents(http://example.com) ; (to get emails from URL in place of file_get_contents i use to prefer CURL) .

     $str = html_entity_decode($str);

    $regex = "/mailto:([^?]*)/";
    if ($rex = preg_match_all($regex, $str,$matches_out)) {

        echo "Found a match!";
        echo "<pre>";
        var_dump($matches_out[0]);
    } else {
        echo "The regex pattern does not match. :(";
    }

    ?>