Python：如何最好地将两个正则表达式组合成一个模式匹配？答案

【问题标题】：Python: how best to combine two regex's into one pattern match?Python：如何最好地将两个正则表达式组合成一个模式匹配？
【发布时间】：2015-08-18 09:43:45
【问题描述】：

给定一个类型为 Receive 的电子邮件标题字段列表，例如：

每个字段通过 IP 地址或域名报告“跃点”。我正在寻找一个能够兼顾两者的正则表达式。

以下正则表达式将分别提取 IP 地址和 (gmail) 域名：

\b(?:[0-9]{1,3}\.){3}[0-9]{1,3}\b
mail.*com

在 Python 中组合两个或多个模式最优雅的方法是什么？我将遍历 Receive 字段列表并对每个字段运行正则表达式。

【问题讨论】：

你想从你的输入中提取什么？
你也应该考虑支持ipv6地址

标签： python regex match

【解决方案1】：

如果您只想捕获跃点的所有域和 IP，您可以像这样使用正则表达式。

在python中：

import re
pat = r'(?:by|for|from) <?([^\s;>]+)'
print(re.findall(pat, text))

['10.194.174.73', '10.180.14.233', 'mail-wg0-f52.google.com', 'mail-ie0-x247.google.com', 'myemailaddress@gmail.com>']

（编辑以捕获电子邮件）

【讨论】：

啊。那么在这种情况下，也许可以尝试这样的事情： (?:by|for|from) ([^\s;]+)>
在括号中省略电子邮件地址和重复的域。完美的。事情是：在运行正则表达式之前，我已经从每个中删除了“Received:”。所以有问题的字符串都是这样开始的：“by ...”。我试过简单地删除 (?:X-)?Received: (?:by|from) 部分，只留下 ([^ \n]+)，但剩余的模式匹配只返回“by”。有什么建议吗？
@PadraicCunningham 和 timoh：我应该提到我希望忽略电子邮件地址（在这种情况下，当然，我原来的 'mail.*com' 是不够的）。
@Pyderman 你能用正则表达式需要匹配的实际数据更新问题吗？如果您将当前未更改的数据与 '(?:by|from) ([^\s>]+)' 一起使用，它将匹配所有收到的域和 IP 地址，而不是电子邮件。
如果你使用 re.findall() 那么你不会得到 by 或 from -parts 作为结果，因为那是一个非捕获组。您应该只获得 IP/主机 - 我没有修改我附加到我的答案的输出。

【解决方案2】：

为什么不使用替代？

patterns = [r"\b(?:[0-9]{1,3}\.){3}[0-9]{1,3}\b", r"mail.*com"]
pattern = "|".join(patterns)  # pattern1|pattern2|pattern3|...

re.findall(pattern, text)

产量

['10.194.174.73',
 '10.180.14.233',
 'mail-wg0-f52.google.com',
 'mail-ie0-x247.google.com',
 'mailaddress@gmail.com']

【讨论】：

不错。我正在尝试省略电子邮件地址。将 r"mail.*.com" 更改为 r'\smail.*com' 就足够了，除了（我没有提到这一点）一些标头包含域，然后在括号中再次包含域。例如收到：来自 mail-ie0-x247.google.com (mail-ie0-x247.google.com. [2607:f8b0:4001:c03::247])，并且您的模式匹配两者。我们如何处理这两种情况（省略电子邮件地址和每行重复的域）？