使用 python 收集电子邮件

Question

我开发并应用程序从文件中收集任何类型的电子邮件 类型：ishani@dolly.lk ishani(at)dit.dolly.lk cs dot dolly dot edu的ishani

但问题是输出显示了列表中的一些额外项目，而不是提取的完整电子邮件。我无法弄清楚为什么会这样。我尝试了各种方式。我认为我的正则表达式或逻辑有问题

这是我的代码

data=f.read()

    regexp_email = r'(([\w]+)@([\w]+)([.])([\w]+[\w.]+))|(([\w]+)(\(at\))([\w]+)([.])([\w]+[\w.]+))|(([\w]+)(\sat\s)([\w-]+)(\sdot\s)([\w]+(\sdot\s[\w]+)))'
    pattern = re.compile(regexp_email)
    emailAddresses = re.findall(pattern, data)

    print emailAddresses

输出是这样的

[('ishani@sliit.lk', 'ishani', 'sliit', '.', 'lk', '', '', '', '', '', '', '', '', '', '', '', '', ''), ('', '', '', '', '', 'ishani(at)dit.sliit.lk', 'ishani', '(at)', 'dit', '.', 'sliit.lk', '', '', '', '', '', '', ''), ('', '', '', '', '', '', '', '', '', '', '', 'ishani at cs dot dolly dot edu', 'ishani', ' at ', 'cs', ' dot ', 'dolly dot edu', ' dot edu')]

但我期待这样的输出

['ishani@dolly.lk','ishani(at)dit.dolly.lk','ishani at cs dot dolly dot edu']

是否有人尝试过任何支持我的问题的方法？

Answer 1

将您的 regexp_email 更改为：

r'[\w]+@[\w]+[.][\w]+[\w.]+|[\w]+\(at\)[\w]+[.][\w]+[\w.]+|[\w]+\sat\s[\w-]+\sdot\s[\w]+\sdot\s[\w]+'

您似乎不需要捕获组，因此我已将它们全部删除。

如果您只需要指定\w，您也不需要\w 周围的[]：

r'\w+@\w+[.]\w+[\w.]+|\w+\(at\)\w+[.]\w+[\w.]+|\w+\sat\s[\w-]+\sdot\s\w+\sdot\s\w+'

Answer 2

你可以跳过空格

print [e for ea in emailAddresses for e in ea if e]

产生

['ishani@sliit.lk', 'ishani', 'sliit', '.', 'lk', 'ishani(at)dit.sliit.lk', 'ishani', '(at)', 'dit', '.', 'sliit.lk', 'ishani at cs dot dolly dot edu', 'ishani', ' at ', 'cs', ' dot ', 'dolly dot edu', ' dot edu']

这不是完全你要求的......