Python - 正则表达式 - findall重复

Question

我正在尝试使用python

中的以下代码匹配html文本中的电子邮件

my_second_pat = '((\w+)( *?))(@|[aA][tT]|\([aA][tT]\))(((( *?)(\w+)( *?))(\.|[dD][oO][tT]|\([dD][oO][tT]\)))+)([eE][dD][uU]|[cC][oO][mM])'


matches = re.findall(my_second_pat,line)
for m in matches:
    s = "".join(m)
    email = "".join(s.split())
    res.append((name,'e',email))

当我在line = shoham@stanford.edu

上运行时

我明白了：

[('shoham', 'shoham', '', '@', 'stanford.', 'stanford.', 'stanford', '', 'stanford', '', '.', 'edu')]

我的期望：

[('shoham','@', 'stanford.', 'edu')]

它在regexpal.com上匹配为一个字符串，所以我想我遇到了re.findall

的问题

我是regex和python的新手。欢迎任何优化/修改。

Answer 1

它匹配所有捕获组，其中包含可选匹配项。

---

试试这个：

((?:(?:\w+)(?: *?))(?:@|[aA][tT]|\(?:[aA][tT]\))(?:(?:(?:(?: *?)(?:\w+)(?: *?))(?:\.|[dD][oO][tT]|\(?:[dD][oO][tT]\)))+)(?:[eE][dD][uU]|[cC][oO][mM]))

---

请参阅此链接以调试表达式：

  

http://regex101.com/r/jW4mP1

Answer 2

试试这个：

(?i)([^@\s]{2,})(?:@|\s*at\s*)([^@\s.]{2,})(?:\.|\s*dot\s*)([^@\s.]{2,})

Debuggex Demo

如果您需要限制为.com和.edu：

(?i)([^@\s]{2,})(?:@|\s*at\s*)([^@\s.]{2,})(?:\.|\s*dot\s*)(com|edu)

Debuggex Demo

请注意，我在正则表达式的开头使用了不区分大小写的标记(?i)，而不是使用[Ee]之类的语法。