Python—尝试捕获行的中间部分、正则表达式或拆分

我有一个文本文件，里面有一些名字、电子邮件和其他东西。我想捕获电子邮件地址

我不知道这是拆分还是正则表达式问题

以下是一些示例行：

[name]bill billy [email]bill.billy@hotmail.com [dob]01.01.81
[name]mark hilly [email]mark.hilly@hotmail.com [dob]02.11.80
[name]gill silly [email]gill.silly@hotmail.com [dob]03.12.79

我希望能够做一个循环，打印所有的电子邮件地址

---

谢谢。

您可以按空格分割，然后搜索以

[email]

开头的元素：

line = '[name]bill billy [email]bill.billy@hotmail.com [dob]01.01.81'
items = line.split()
for item in items:
    if item.startswith('[email]'):
        print item.replace('[email]', '', 1)

我会使用正则表达式：

import re

data = '''[name]bill billy [email]bill.billy@hotmail.com [dob]01.01.81
[name]mark hilly [email]mark.hilly@hotmail.com [dob]02.11.80
[name]gill silly [email]gill.silly@hotmail.com [dob]03.12.79'''

group_matcher = re.compile(r'\[(.*?)\]([^\[]+)')

for line in data.split('\n'):
    o = dict(group_matcher.findall(line))
    print o['email']

• \[

  的字面意思是

  [

• （.*）

  是一个非贪婪的捕获组。它“扩展”以捕获文本

• \]

  是字面上的

  ]

• （

  是捕获组的开始

• [^\[]

  匹配除

  [

  之外的任何内容

• +

  重复上一个模式任意次数

• ）

  关闭捕获组

---

您可以将子字符串传递给

拆分

，而不仅仅是单个字符，因此：

email = line.partition('[email]')[-1].partition('[')[0].rstrip()

与简单的

split

解决方案相比，这有一个优势，即它可以在值中包含空格的字段上工作，在具有不同顺序的行上工作（即使它们将

[电子邮件]

作为最后一个字段），等等

概括而言：

def get_field(line, field):
    return line.partition('[{}]'.format(field)][-1].partition('[')[0].rstrip()

但是，我认为它仍然比正则表达式解决方案更复杂。此外，它一次只能搜索一个字段，而不是一次搜索所有字段（不会使其更复杂）。要获得两个字段，您将对每行进行两次解析，如下所示：

for line in data.splitlines():
    print '''{} "babysat" Dan O'Brien on {}'''.format(get_field(line, 'name'), 
                                                      get_field(line, 'dob'))

---

（当然，我可能误解了该字段。）

假设您有一个包含行的文件

import re

f = open("logfile", "r")
data = f.read()

for line in data.split("\n"):
    match=re.search("email\](?P<id>.*)\[dob", line)
    if match:
             # either store or print the emails as you like
             print match.group('id').strip(), "\n"

---

收到电子邮件是你唯一想做的事情吗，或者你以后可能想对信息做更多的事情吗？如果是后者，我想你肯定想要Blender的答案。任何依靠纯

split

来分割字段的事（就像这里的大多数答案一样）永远不适用于

name

；任何依赖于

split

ting的

]

可能比正则表达式更复杂（尽管我希望被证明是错误的）。我想我以后可能会想用这个名字来让邮件更具体。如果你只是在匹配像这样的固定字符串，那么使用正则表达式并没有什么真正的优势。将它与Blender的答案进行比较，Blender的答案可以得到所有字段的名称和值，而不仅仅是硬编码的字段，而且更加健壮（例如，对列进行重新排序，使

email

位于

dob

之后，而不是之前）。我认为这是一个需要解决的具体问题，而不是一个一般性问题。概括扩展了“范围”，稳健性就是“根据范围进行调整”。如果您只是想解决特定的问题，与固定的文本字符串进行匹配，则regex不会在简单拆分的基础上添加任何内容，它只是使其速度变慢，并且毫无原因地可读性变差。例如，与JaniSOF的解决方案相比。@karthikr:我想您忘记了

'[name'

将是拆分中的第一个值。@abarnert他之前有不同的答案，我的评论是，是否有一些网站可以轻松描述（r'[（.*）（[^[]+]）的工作原理我想理解它，而不是仅仅抓住它。但这很好！@gjels:据我所知不是。请参阅我的编辑以获得简要解释。@gjels:Python在其文档中有一个，但它可能不是最适合初学者的教程；尝试用谷歌搜索其他教程。还可以获得一个正则表达式资源管理器程序（每个平台都有无数个，再加上一些在线的），这将有助于您进行操作。只要确保您学习的Python语法perl/PCRE足够接近，但grep、emacs等非常不同。我知道这已经晚了，但给出了一个很好的解释，并允许您测试您的正则表达式。

import re

f = open("logfile", "r")
data = f.read()

for line in data.split("\n"):
    match=re.search("email\](?P<id>.*)\[dob", line)
    if match:
             # either store or print the emails as you like
             print match.group('id').strip(), "\n"

bill.billy@hotmail.com  

mark.hilly@hotmail.com  

gill.silly@hotmail.com  

>>>