如何在Python中删除正则表达式（re）的重复结果

Question

有一个字符串：

str = 'Please Contact Prof. Zheng Zhao: <a href="mailto:zheng.z@xxx.com">Zheng.Z@xxx.com</a> for details, or our HR: john.will@xxx.com'

我想解析该字符串中的所有电子邮件，因此我设置了：

p = r'[\w\.]+@[\w\.]+'
re.findall(p, str)

结果是：

['zheng.z@xxx.com', 'Zheng.Z@xxx.com', 'john.will@xxx.com']

显然，第一个和第二个是重复的。我们如何防止这种情况发生？

Answer 1

您可以使用set删除重复项。 set就像无序的list，它不能包含重复项。在这种情况下，您不必关心案例，因此将结果设为小写会让您正确检查重复项。

import re

s = 'Please Contact Prof. Zheng Zhao: <a href="mailto:zheng.z@xxx.com">Zheng.Z@xxx.com</a> for details, or our HR: john.will@xxx.com'

p = r'[\w\.]+@[\w\.]+'
list(set(result.lower() for result in re.findall(p, s)))