Question

我是Python 2.7的新手。使用正则表达式，我试图从文本文件中提取输入行的电子邮件。我使用非贪婪的方法，因为电子邮件在同一行重复2次。这是我的代码：

Caused by: java.sql.SQLIntegrityConstraintViolationException: 
ORA-01400: 
cannot insert NULL into ("SCHEMA"."TABLE"."ID")

然而，这就是我所获得的而不仅仅是电子邮件地址：

import re
f_hand = open('mail.txt')
for line in f_hand:
    line.rstrip()
    if re.findall('\S+@\S+?',line): print re.findall('\S+@\S+?',line)

我应该在['href="mailto:secretary@abc-mediaent.com">sercetary@a']中使用什么来获取电子邮件？

Answer 1

试试这个 re.findall('mailto:(\S+@\S+?\.\S+)\"',str))

应该给你一些类似的东西 ['secretary@abc-mediaent.com']

Answer 2

\S表示不是空格。 "和>不是空格。

您应该使用mailto:([^@]+@[^"]+)作为正则表达式（引用形式：'mailto:([^@]+@[^"]+)'）。这会将电子邮件地址放在第一个捕获组中。

Answer 3

如果您使用电子邮件地址的锚点解析一个简单文件，并且语法总是相同（如双引号括起属性），您可以使用：

for line in f_hand: 
    print re.findall(r'href="mailto:([^"@]+@[^"]+)">\1</a>', line)

（re.findall仅返回捕获组。\1代表第一个捕获组的内容。）

如果文件是一个更复杂的html文件，请使用解析器，提取链接并过滤它们。
或者最终使用XPath，例如：
substring-after(//a/@href[starts-with(., "mailto:")], "mailto:")

Answer 4

\ S接受许多在电子邮件地址中无效的字符。尝试正则表达式

[a-zA-Z0-9-_.]+@[a-zA-Z0-9-_.]+\\.[a-zA-Z0-9-_.]+

（假设你不是想支持Unicode - 似乎你不是因为你的输入是＆＃34;文本文件＆＃34;）。

这将需要＆＃34;。＆＃34;在电子邮件地址的服务器部分，您的匹配将停止在电子邮件地址中无效的第一个字符。

Answer 5

这是电子邮件地址的格式 - https://tools.ietf.org/html/rfc5322#section-3.4.1。

记住你需要的正则表达式是 - r"([a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+)"。 （无需依赖电子邮件地址周围的文字即可运行。）

以下代码行 -

html_str = r'<a href="mailto:sachin.gokhale@indiacast.com">sachin.gokhale@indiacast.com</a>'
email_regex = r"([a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+)"
print re.findall(email_regex, html_str)

收益率 -

['sachin.gokhale@indiacast.com', 'sachin.gokhale@indiacast.com']

P.S。 - 我通过Google搜索“电子邮件地址正则表达式”并点击第一个网站获得了电子邮件地址的正则表达式 - http://emailregex.com/

REGEX提取特定部分非贪心

5 个答案: