re.findall在Python中使用分组进行正则表达式失败

Question

我正在使用正则表达式编写一个python程序来查找电子邮件地址。每当我尝试使用圆括号进行分组时，re.findall函数会给出错误的输出。任何人都可以指出错误/提出替代解决方案吗？

以下是两段代码解释 -

pat = "[\w]+[ ]*@[ ]*[\w]+.[\w]+"
re.findall(pat, 'abc@cs.stansoft.edu.com .rtrt.. myacc@gmail.com ')

给出输出

['abc@cs.stansoft', 'myacc@gmail.com']

但是，如果我在此正则表达式中使用分组并将代码修改为

pat = "[\w]+[ ]*@[ ]*[\w]+(.[\w]+)*"
re.findall(pat, 'abc@cs.stansoft.edu.com .rtrt.. myacc@gmail.com ')

输出

['.com', '.com']

为了确认正则表达式的正确性，我在http://regexpal.com/中使用相同的输入字符串尝试了这个特定的正则表达式（在第二个示例中），并且两个电子邮件地址都成功匹配。

Answer 1

在Python中，re.findall仅在没有组时返回整个匹配项，如果有组，则返回组。要解决此问题，您应该使用非捕获组(?:...)。在这种情况下：

pat = "[\w.]+ *@ *\w+(?:\.\w+)*"
re.findall(pat, 'abc@cs.stansoft.edu.com .rtrt.. myacc@gmail.com ')

Answer 2

如果您想要将用户与主机分开，您可以使用群组：
（连字符是可选的，有些电子邮件有连字符。）

pat = '([\w\.-]+)@([\w\.-]+)'
re.findall(pat, 'abc@cs.stansoft.edu.com .rtrt.. myacc@gmail.com ')

输出：

[('abc', 'cs.stansoft.edu.com'), ('myacc', 'gmail.com')]

为了进一步说明我们可以替换主机，并让用户远离第1组（\ 1）：

emails = 'abc@cs.stansoft.edu.com .rtrt.. myacc@gmail.com '
pat = '([\w\.-]+)@([\w\.-]+)'
re.sub(pat, r'\1@live.com', emails)

输出：

'abc@live.com .rtrt.. myacc@live.com '

只需从模式中删除括号即可匹配整个电子邮件：

pat = '[\w\.-]+@[\w\.-]+'
re.findall(pat, 'abc@cs.stansoft.edu.com .rtrt.. myacc@gmail.com ')

输出：

['abc@cs.stansoft.edu.com', 'myacc@gmail.com']