我目前正在参加Coursera上提供的斯坦福NLP课程，而且我被困在家庭作业Spamlord上，这需要你构建一个正则表达式模式来解析电子邮件。我的模式是
(\w+)@(\w+).edu|(\w+)[^A-Za-z]@[^A-Za-z](\w+).edu
当我在测试字符串上运行＆＃34; ashishg @ stanford.edu＆＃34;没有像我预期的那样返回元组[(u'ashishg', u'stanford')]，但[(u'', u'', u'ashishg', u'stanford')]
。为什么这样做？我知道它与\ w +字符有某种关系，因为当我用＆＃34; Hello＆＃34;这样的随机字符串替换(\w+)@(\w+).edu时，该模式效果很好。
感谢您的帮助！
答案 0 :(得分：0)
在你的正则表达式中，你有四组。首先，因为'@'周围的空格，在|，匹配之后，所以前两个组是空的，而后两个组用字母填充，如你所示。
答案 1 :(得分：0)
您可能会忘记在正则表达式模式中添加空格。使用与任何空格字符\s匹配的[\r\n\t\f ]。如果有一个或多个空格，请使用\s+。
转义正则表达式中具有特殊含义的点并匹配任何字符（换行符除外）。
^和$检查该行的开头和结尾。
从索引1和2获取匹配的组。
^(\w+)\s@\s(\w+)\.edu$
示例代码：
import re
p = re.compile(ur'(\w+)\s@\s(\w+)\.edu')
test_str = u"ashishg @ stanford.edu"
re.match(p, test_str)
输出：
1. [0-7] `ashishg`
2. [10-18] `stanford`
如果您正在寻找以下输出，请尝试替换：
[(u'ashishg',u'stanford')]
示例代码：
import re
p = re.compile(ur'(\w+)\s@\s(\w+)\.edu')
test_str = u"ashishg @ stanford.edu"
subst = u"[(u'$1',u'$2')]"
result = re.sub(p, subst, test_str)
当我用＆＃34; Hello＆＃34;这样的随机字符串替换
(\w+)@(\w+).edu时，模式效果很好。
在这种情况下，您的第二个正则表达式模式是ORed，匹配这两个组，但不需要第二个正则表达式模式。
(\w+)[^A-Za-z]@[^A-Za-z](\w+).edu