Extrakce emailů[vyřešeno?]

[Prefin]

Ahojda všichni.
Nevíte někdo jestli existuje pro Linux ekvivalent nějakého programu na extrakci emailů z webu?
Díky

[Martin Šácha]

Existuje

[Prefin]

Díky

[beer]

To by se mi občas hodilo, když zasílám pozvánky a mám e-mailové adresy na nějaké stránce - například nějakého úřadu. Většinou to kopíruji ručně.

Které programy na to používáte?

[Prefin]

Používám Wokňáckej Advanced Email Extractor ale rád bych něco na linuxu ať na Wonka vůbec nemusím.
Tenhle je ale fakt dobrej. Jenom to chce zapnout prohledání pouze zadaného webu jinak bude prolejzat celej net do nekonečna.

[Martin Šácha]

Rekurzivní wget se sedem to zvládnou taky

Kód: [Vybrat]

man wget
man sed


[beer]

Rekurzivní wget se sedem to zvládnou taky

Kód: [Vybrat]

man wget
man sed


To by někaej programátor pomocí toho asi zvládnul, ale pochybuji, že běžný uživatel. A co jsem koukal, tak nějaké ty wokňácké extractory umí například vycucnout i jméno, ne jen e-mail, udělaj z toho tabulku, nebo to daj třeba do databáze. Sedem bych to nezvládnul a měl bych problém mu nastavit pravidla, aby vůbec rozpoznal samotný e-mail.

[Martin Šácha]

Rekurzivní wget se sedem to zvládnou taky

Kód: [Vybrat]

man wget
man sed


To by někaej programátor pomocí toho asi zvládnul, ale pochybuji, že běžný uživatel. A co jsem koukal, tak nějaké ty wokňácké extractory umí například vycucnout i jméno, ne jen e-mail, udělaj z toho tabulku, nebo to daj třeba do databáze. Sedem bych to nezvládnul a měl bych problém mu nastavit pravidla, aby vůbec rozpoznal samotný e-mail.

Vlastních stránek to scriptovat nepotřebuje a script kiddie si to nezaslouží.

[beer]

Myslím, že ty účel může být regulerní. Naznačuješ, že jsem jakožto téměř třicátník a rodič script kiddie? Lol.

[Martin Šácha]

Myslím, že ty účel může být regulerní. Naznačuješ, že jsem jakožto téměř třicátník a rodič script kiddie? Lol.

Aha, takže po dosažení "téměř třiceti let" a vyrobení potomka se člověk stává respektovaným h4x0r3m?

Znáš nějaký regulérní účel dumpování emailů z cizích webů?

[Tadeáš Pařík]

Myslím, že ty účel může být regulerní. Naznačuješ, že jsem jakožto téměř třicátník a rodič script kiddie? Lol.

Aha, takže po dosažení "téměř třiceti let" a vyrobení potomka se člověk stává respektovaným h4x0r3m?

No a ne? 

[beer]

Myslím, že ty účel může být regulerní. Naznačuješ, že jsem jakožto téměř třicátník a rodič script kiddie? Lol.

Aha, takže po dosažení "téměř třiceti let" a vyrobení potomka se člověk stává respektovaným h4x0r3m?

Znáš nějaký regulérní účel dumpování emailů z cizích webů?

Nevím, co je h4x0r3m . Znám účel, ano, když chci poslat pozvánky na výstavu třeba lidem z městského úřadu a nechci na nikoho zapomenout. Zpravidla musím vykopírovat e-maily ze stránek toho úřadu a pak posílám pozvánky jednotlivě, každého oslovím jeho jménem, nebo je možné použít nějakou tu hromadnou korespondenci. Jednorázové odeslání pozvánky nepovažuji za spamování, obzvláště, pokud se například daný úřad na realizaci výstavy podílí. Beru to jako rozumnou věc, aby se i nižší úředníci byli pozváni na výstavu a nepřišli jen zástupci odborů kultury a starostové či jejich zástupci.

[beer]

http://my.opera.com/zomg/blog/2007/07/17/collecting-email-addresses-from-websites

Kód: [Vybrat]

wget -nv -nH -r -A html --ignore-tags=img,link www.example.compak

Kód: [Vybrat]

grep -Eiorh '([[:alnum:]_.]+@[[:alnum:]_]+?\.[[:alpha:].]{2,6})' ./ > emails.txt
nebo
http://stackoverflow.com/questions/13858344/extract-email-addresses-from-a-website-using-scripts

Kód: [Vybrat]

wget -q -r -l 5 -O - http://somesite.com/ | grep -E -o "\b[a-zA-Z0-9.-]+@[a-zA-Z0-9.-]+\.[a-zA-Z0-9.-]+\b
Ještě že máme ten google. A obejdeme se i bez sedu...

Ještě jsem nezkoušel funkčnost...