不打开excel如何从从20万份文件（200000）中批量提取手机号码在线急盼高手支持

micch

好牛简历 发表于 2019-2-11 20:36
这两者并不等价哇
为啥？
因为数据在这样的状态之下，是无意义的

数据需要花费这么长的时间来整理，如果只是一次性也就罢了，如果是日常性的工作，是不是值得开发一个专门处理数据的系统或者软件？干这活可真累啊

工作几十年了，也没干过复杂的工作，对这种工作真心不了解。每天处理的工作都是手工做表格，人工处理数据，函数公式都少用，看来真的是太悠闲了。

好牛简历

micch 发表于 2019-2-11 20:43
数据需要花费这么长的时间来整理，如果只是一次性也就罢了，如果是日常性的工作，是不是值得开发一个专门 ...

有，Google出了专门的软件（后来开源了）
不过这样的情况，他们估计也是巨大的挑战

乐乐2006201505

请提出问题包括困难，上传各种类型示例文件，让大家帮忙。
而不要和帮助者讨论能不能实现。能实现自己用即可，实现不了，另当别论啊。
不过肯定可以解决的。

好牛简历

乐乐2006201505 发表于 2019-2-11 20:54
请提出问题包括困难，上传各种类型示例文件，让大家帮忙。
而不要和帮助者讨论能不能实现。能实现自己用即 ...

非常感谢你的回复
当下已经更新【示例样本】可以先下载，研究
^V^

1，各种文件格式（目前初步统计有几千种）不可能一一准备，也请理解
只能挑几种有代表性的
2，现实中的问题，还会有一大把，光把这个流程总结出来规律（都非常了不起）为会日后一大批处理类似工作的人，带来价值
即【数据清洗】

2489586288

更新后的附件也看了，如果仅仅提取手机号码来说，已知的文件格式是能搞的，可以分类处理。主要是一些未知格式文件的处理，你说的几千种文件格式听起来有点怂。。。

好牛简历

2489586288 发表于 2019-2-11 21:23
更新后的附件也看了，如果仅仅提取手机号码来说，已知的文件格式是能搞的，可以分类处理。主要是一些未知格 ...

文件格式我做了初步的处理
当下就是2分法，能识别处理的先来
不能的，再单独处理（找出特征）
确实这样的任务，挑战巨大
光查找资料，就能学到一大把全新的知识
^V^

12123

我提一个思路：
遍历这20万份资料的文件类型；把不同文件进行归类；可以处理的文件类型先行处理，不可处理的拿出来再分析。处理能力的问题可以考虑组个局域网，让不同的电脑根据配置处理不同的任务

lilyhcn1

我觉得你应该把这些文件分成两块一块是纯文本，另外一块是二进制的。
纯文本的，比如csv TXT，那你就直接一个copy把所有文件全部复制在一起，形成一个超大文件。
在想办法用正则匹配把手机号码查出来
xls，mdb等，你在一一处理吧，个人感觉应该全部导入数据库，在正则匹配一下就好了

好牛简历

12123 发表于 2019-2-11 21:32
我提一个思路：
遍历这20万份资料的文件类型；把不同文件进行归类；可以处理的文件类型先行处理，不可处理 ...

我提一个思路：
１，遍历这20万份资料的文件类型；把不同文件进行归类；
这个已经实现
还有一个细节，就是如何统计文件的大小？因为还要再根据文件大小来处理【特别是复制的时候，会占用时间】
这个你有好办法没？
－－－－－－－－－－－－－－－－
２，可以处理的文件类型先行处理，不可处理的拿出来再分析。
这个２分法可行，就是这么来的
－－－－－－－－－－－－－－－－－－－－－－－
３，处理能力的问题可以考虑组个局域网，让不同的电脑根据配置处理不同的任务
这个牛X了，有实现的技术支持配套么？或者你的实践方法？
这就高大上起来了
^V^

好牛简历

lilyhcn1 发表于 2019-2-11 21:41
我觉得你应该把这些文件分成两块一块是纯文本，另外一块是二进制的。
纯文本的，比如csv TXT，那你就直接 ...

我觉得你应该把这些文件分成两块一块是纯文本，另外一块是二进制的。
--------------2分法 对路子
纯文本的，比如csv TXT，那你就直接一个copy把所有文件全部复制在一起，形成一个超大文件。
----------------
1，已经可以实现
2，就是文件过大的（再单独处理）若是还能统计出来文件大小，这样针对性处理，就更妥当
在想办法用正则匹配把手机号码查出来
xls，mdb等，你在一一处理吧，个人感觉应该全部导入数据库，在正则匹配一下就好了
--------------
mdb，再用数据库去处理
就是在不规则的情况下，是挑战障碍点