Python 3 电子邮件提取搜索引擎

Question

问。编写一个搜索引擎，它将获取一个文件（如 html 源页面）并提取所有电子邮件地址。然后它将它们打印在有序列表中。该文件可能包含很多乱七八糟的文本（即asda@home 无效.. 文件中可能有很多@'s 在电子邮件以外的角色中！）

出于测试目的，这是我一直在使用的文本文件：

askdalsd
asd
sad
asd
asd
asd
ad
asd
asda
da
moi1990@gmail.com
masda@sadas
223@home.ca
125512@12451.cpm
domain@name.com
asda
sda
as
da
ketchup@ketchup@#%@#.com
onez!es@gomail.com
asdasda@@@@@email.com
asda@asdasdaad.ca
moee@gmail.com

这就是我目前所拥有的：

import os
import re
import sys

def grab_email(file):
    email_pattern = re.compile(r'\b[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,4}\b',re.IGNORECASE)
    found = set()
    if os.path.isfile(file):
        for line in open(file, 'r'):
            found.update(email_pattern.findall(line))
        for email_address in found:
            print (email_address)
    if __name__ == '__main__':
        grab_email(sys.argv[1])


grab_email('email_addresses.txt')

现在我遇到的问题是，在某个点之后，程序崩溃了。这是输出：

125512@12451.cpm
es@gomail.com
asda@asdasdaad.ca
223@home.ca
moee@gmail.com
moi1990@gmail.com
domain@name.com
Traceback (most recent call last):
  File "D:/Sheridan/Part Time/TELE26529 Linux Architecture w. Network Scripting/Python Assignment 3.5/question1.py", line 17, in <module>
    grab_email('email_addresses.txt')
  File "D:/Sheridan/Part Time/TELE26529 Linux Architecture w. Network Scripting/Python Assignment 3.5/question1.py", line 14, in grab_email
    grab_email(sys.argv[1])
IndexError: list index out of range

我在这里做错了什么，我该如何解决这个问题？如何更有效地处理这些异常？

Answer 1

问题出在这部分：

if __name__ == '__main__':
        grab_email(sys.argv[1])

您的程序正在崩溃，因为它正在 grab_email 函数内部处理此问题。由于您从解释器运行，if 语句当然会评估为True。然后，由于您没有传递任何命令行参数，因此您正在尝试一个不存在的列表元素，从而导致您得到错误。

要修复，只需消除！它应该看起来像：

import os
import re
import sys

def grab_email(file):
    email_pattern = re.compile(r'\b[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,4}\b',re.IGNORECASE)
    found = set()
    if os.path.isfile(file):
        for line in open(file, 'r'):
            found.update(email_pattern.findall(line))
        for email_address in found:
            print (email_address)

if __name__ == '__main__':
    grab_email(sys.argv[1])

现在可以从命令行正确运行（假设您从命令行正确传递了文件名）。我还删除了无关的函数调用。

当然，如果您只是想让它在解释器中运行，请取出 if 语句并恢复我删除的函数调用。你也可以这样做：

if __name__ == '__main__':
    if len(sys.argv)>1:
        grab_email(sys.argv[1])
    else:
        grab_email('email_addresses.txt')

这本身并不好，但可以处理该特定错误（同时引入另一个潜在错误）。