Question

我正在尝试编写一个正则表达式来捕获电子邮件ID。使用regexpal.com测试了几个小时。在网站上，它能够捕获所有的电子邮件ID。当我在Python中替换相同的正则表达式并执行re.findall（pattern，line）时，它无法捕获它。

正则表达式：

[a-zA-Z0-9-_]+[(.)?a-zA-Z0-9-_]*\s*(@|at)\s*[a-zA-Z0-9-_]+\s*(.|dot)\s*[a-zA-Z0-9-_]*\s*(.|dot)\s*e(\-)?d(\-)?u(\-)?(.,)?

示例：

Line =    <TR> <TD><B>E-Mail: </B> <TD><A HREF=MailTo:*example.young@stackoverflow.edu*\>*example.young@stackoverflow.edu*</A>

（在regexpal.com上正确突出显示）。

使用Python：

 for line in f:
    print 'Line = ',line
        matches = re.findall(my_first_pat,line)
    print 'Matches = ',matches

提供输出：

Line =    <TR> <TD><B>E-Mail: </B> <TD><A HREF=MailTo:example.young@stackoverflow.edu>example.young@stackoverflow.edu</A>

Matches =  [('@', 'd', '.', '', '', '', ''), ('@', 'd', '.', '', '', '', '')]

问题是什么？

Answer 1

阅读re.findall的{{3}}：

如果模式中存在一个或多个组，则返回组列表

你的小组只捕获at符号，点等，因此这就是re.findall返回的所有内容。使用非捕获组，将整个事物包装在一个组中，或使用re.finditer。

（如@Igor Chubin所述，您的正则表达式也错误地使用.而不是\.，但这不会导致主要问题。）

Answer 2

您必须在此使用\.而不是.：

(.|dot)

如果您只想说您可以在字母之间使用连字符在edu部分中，您可以在不使用斜杠和分组的情况下执行此操作：

e-?d-?u-?[.,]?

如果仅使用()对符号进行分组（但不是用于捕获），您必须使用(?:)代替：

(?:@|at)

正则表达式正在使用regexpal而不是Python

2 个答案: