Dotaz: Jak najit vsechny emailove adresy v pc?

[zdenek2008]

Rad bych si udelal poradek v kontaktech pred upgradem systemu a tak bych chtel najit vsechny emailove adresy v systemu a ulozit si je treba do csv souboru, pro dalsi trideni a usporadani. Nejvic jich je v kmailu (vc. hlavicek i obsahu mailu), v ruznych souborech v /home (pdf, html, ods, texty apod.) a pro jistotu by bylo potreba kompletne prolezt i vlastni system. Neni na to nejaka utilitka, predpokladam ze by to mohl umet nejaky forenzni balik? Jen by to nemusel byt nejaky kanon na vrabce, snad by to mohlo jit i nejakym skriptem? Predem diky za pripadne tipy.

---

---

Odpovědi

[zdenek2008]

Nejaká variácia na túto tému?

find . -type f -print0 | xargs -0 egrep -o "\b[a-zA-Z0-9.-]+@[a-zA-Z0-9.-]+\.[a-zA-Z0-9.-]+\b"

[zdenek2008]

To by bylo elegantni reseni. Musim vyzkouset. Diky!

[zdenek2008]

Jeste me napada, najde to emaily s dvojitymi domenami, napr. ferda@mravenec.com.au?

[zdenek2008]

Áno, nájde:

[~][20:19:40] echo 'ferda@mravenec.com.au' | egrep -o "\b[a-zA-Z0-9.-]+@[a-zA-Z0-9.-]+\.[a-zA-Z0-9.-]+\b" | nl
     1  ferda@mravenec.com.au

Vyskúšať to bolo rýchlejšie ako písať otázku do diskusie. Trochu viac vlastnej iniciatívy by neškodilo.

[zdenek2008]

Diky, jen na prvni pohled mi pripadalo ze to parsuje jen jadnou za posledni teckou. Ver mi ze bych se do experimentovani s radosti pustil ihned, ale proste na to nemuzu venovat cas, snad o vikendu, take si rad osvezim regex. To je nejlepsi delat v klidu, ne behem tydne mezi spoustou jinych aktivit.

[zdenek2008]

Tak jsem si pripravil soubor "vysavac":

find ./ -type f -print0 | xargs -0 egrep -o "\b[a-zA-Z0-9.-]+@[a-zA-Z0-9.-]+\.[a-zA-Z0-9.-]+\b" | nl

Zmenil na executable, predlozil mu dva pdf soubory a dostal toto:

$ ./vysavac
Binary file ./LLBQLD New Handbook 12-13 FINAL 09.11.12.pdf matches
Binary file ./LMLS llb 2012-13.pdf matches

Emaily v souborech zrejme nasel, ale nedaly by se konkretne zobrazit, nebo dokonce ulozit do souboru?

[k3dAR]

grep kdyz najde neco v souboru co vypada jako binarni, nezobrazi co nasel, ale to co tobe, da se vynutit grepu aby binarni soubory povazoval za text, viz man grep:

-a, --text
              Process a binary file as if it were text; this is equivalent to the --binary-files=text option

nicmene i tak pocitej, ze to z PDF vytahne jen to co je v nem textove citelne (nemyslim ted ze nepobere bitmapove pdf, to je jasne), tedy nezkomprimovane...
aby jsi z pdf vytahl vse, musel bys to nejdriv prohat treba nastrojem pdftotext...
takze asi ve vysavaci dej exlude pdf souboruj a zpracuj je samostatne...

[zdenek2008]

Ty pdfka si tedy pripravim zvlast. Zkousel jsem na ne strings '@' ale to mi vratilo spoustu balastu. Kazdopadne diky za tip.

[zdenek2008]

Ted uz mi to vypisuje seznam emailu, ale porad mi tam do toho pridava tohle:

     4  Binary file ./LLBQLD New Handbook 12-13 FINAL 09.11.12.pdf matches
     5  Binary file ./LMLS llb 2012-13.pdf matches

Idealne bych asi potreboval aby find nebo egrep ignoroval binarni soubory, ze? Ale nevim jak to zaridit.

[zdenek2008]

Tak to uz mam take vyresene. Option egrep -I.

[zdenek2008]

Trochu jsem ten prikaz poladil:

find ./ -type f -print0 | xargs -0 egrep -o -h "\b[a-zA-Z0-9.-]+@[a-zA-Z0-9.-]+\.[a-zA-Z0-9.-]+\b" | sort | uniq -i | nl

Ale kdyz jsem jeden ze souboru zmenil na skryty (tecka na zacatku nazvu), tak uz se ve vysledcich neobjevil. Samotny find skryty soubor najde; mam chybu v grep prikazu?

[zdenek2008]

Tak asi skryte soubory prece jen vidi, nebo uz mam dnes mzitky. Asi je cas toho pro dnesek nechat...

[Petr]

Nic ve zlym, ale grep ti najde treba 20k e-mailovych adres. Nekdy jsem dostal stejne blby napad. Co udelas s 20k e-mailovych adres kdyz netusis jestli treba s5472@gmail.com je pro tebe dulezita nebo ne (chybi ti treba kontext e-mailu)? A co treba CC adresy? Ja jsem to vyresil importem vsech e-mailu do 1 klienta a nasledne manualne filtrovat a presouvat a vytvaret kontakty. Nove kontakty uz resim automaticky z podpisu.

[zdenek2008]

Kontakty jsou poklad. Dam si je do nejake databaze, vyradim duplicitni zaznamy, roztridim podle domen atd., i cc adresy se mohou hodit, tam muzes mit kontakty na kolegy, spoluzaky apod.; myslim ze se to urcite vyuzije, treba ani nevime jak; prijdou nove jeste nezname technologie a s nimi nove moznosti jake si zatime jeste ani neumime predstavit. Pak se takovy material bude hodit. Budoucnost je vzdy blize nez ocekavame (to je nikoliv z me hlavy, rekl to nekdo mnohem chytrejsi nez ja).

[lertimir]

No jak myslíš. Podle mne pokud nejsi politik, lobista, marketér nebo personalista, nebo pokud nechceš tvořit takový ten hub, na který se každý obrátí, tak využití bude problematické. Primárně proto, aby kontakt byl lidsky funkční, tak se musí udržovat. Kontakty na mne z povahy mé práce jsou veřejné a kdokoliv je může najít a použít. Nicméně, když mne někdo zkontaktuje, řeknu mu ať se obrátí na asistentku s tím, co chce projednat, a domluví si termín. S lidmi, které osobně neznám, o důležitých věcech nejednám. Před asi 5 lety díky migraci mailového systému byly v práci schránky přesunuty do archivu a od té doby jsem do něj přistou pila jen asi 10 krát a to prvním pul roce. A byl tam email více než za 15 let. Nic se nestalo.

[zdenek2008]

To zalezi asi na konkretni situaci kazdeho. Vyvoj v technologiich leti vpred stale rychleji, staci chvili sledovat co se deje v blockchain komunite. Nove komunikacni kanaly, nove zpusoby formovani socialnich grafu. Jak rika klasik: kdo chvili stal, jiz stoji opodal. A jste jinak: vsichni bezi stale rychleji jen aby se udrzeli na stejnem miste.

[Petr]

Jeste jednou, jak z tech 20k adres vyhodnotite, jestli s5472@gmail.com je pro vas dulezita, nebo ne? Je to kolega, kamarad, nebo prostitutka? Nebo jenom spam, ktery vam proklouzl? Samotna adresa je uplne k hovnu, potrebujete mit k ni i nejake dalsi informace. Kdyz budete vedet, ze From: s5472@gmail.com Subject: Katalog domu 2017, ma tohle pro vas uz nejakou hodnotu, alespon zakladni.

Při rozesílání cíleného spamu je spíš důležité, aby e-mailová adresa byla funkční a nebyla automaticky vygenerovaná nějakým jiným, méně inteligentním, spamerem.

[Petr]

U spamu je to jasny, ale rekl bych ze tazatel se ptal jako bezny uzivatel s potrebou zalohovat sve kontakty...