Пресет Собираем 1.65 миллиона email со страниц контактов за 2.5 часа 1.0

Если нужно парсить текстовку, то это можно делать с помощью HTML::TextExtractor. В данном случае будет собираться весь текст из указанных страниц по заданным настройкам. CMS значения не имеет.
А если нужно целенаправленно парсить именно статьи, то под каждый сайт нужно индивидуально составлять пресет (обычно на основе Net::HTTP) и регулярными выражениями (функция Parse custom result) забирать только нужную информацию. CMS в данном случае тоже значения не имеет.

 

Можно. Просто измените формат результата на такой:

Код:

$p1.mails.format('$query;$mail\n')

А если нужно только домен, а не ссылку, то добавьте Конструктор результатов, им из запроса извлекайте домен и выводите его:

Код:

$p1.mails.format('$domain;$mail\n')

 

Универсально - пока что нет. А так, можно под каждый почтовый домен попробовать сделать кастомные парсеры.

 

Это не так просто)
Нужно проанализировать разные способы... Например, проверка имени при регистрации. И если так сработает - делать пресет с такой проверкой.

 

Да, можете. Также можно воспользоваться поисковыми операторами Гугла, например intitle:

 

Конечно, разве что-то мешает?

 

Как вариант, можно извлекать с помощью регулярного выражения домены из полученных мейлов и сохранять их вместе с самими мейлами в таблицу. А после окончания парсинга, отсортировать в Экселе.