如何在Python中使用正则表达式从电子邮件标题中提取主题？

我刚开始学习regex，在从邮件头中提取主题时遇到了一个问题

为了只保留每个标题的主题，同时忽略“Re:”和“Fwd:”（不区分大小写），我使用了下面的正则表达式，它能够突出显示所有无用的部分

/(Subject: *)?(\bRE|FWD?)([:\[][0-9]?[ :\]]*)/ig 

但是，我无法提取我想要的真实主题

Subject: Re: re[2]: RSVP

Subject: Re: Fwd: Direct Access Application

Subject: RE:

Subject: RE: Proposed Negotiation Strategy

Subject: RE: Re: RE:      Case study option

Subject:     RE: Staffing

我尝试了re.sub（…），但似乎不起作用。

不确定这是否有帮助（我认为正则表达式中存在一些问题，但我无法解决），但在Python中，您不使用

/ig

传递标志，您可以这样做：

re.sub('(Subject: *)?(\bRE|FWD?)([:\[][0-9]?[ :\]]*)', 
       subjectstring, '', flags = re.IGNORECASE)

---

你很接近！您要做的是使用捕获组获取您想要的比赛部分。这是您的正则表达式稍微修改过的地方：

/(?:Subject:\s*)?(?:\bRE|FWD?)(?:[:\[][0-9]?[ :\]]*)(.*)/ig

因此，您会注意到其中的3

？：

。这意味着正则表达式引擎不会将这些括号内的匹配捕获到一个组中。但是，最后一部分是：

（.*）

---

最后一部分是您想要的，并且在匹配的第一个捕获组中。

这里是regex的另一个版本

import re
text = [
 'Subject: Re: re[2]: RSVP',
 'Subject: Re: Fwd: Direct Access Application',
 'Subject: RE:',
 'Subject: RE: Proposed Negotiation Strategy',
 'Subject: RE: Re: RE:      Case study option',
 'Subject:     RE: Staffing'
]

p = re.compile('([\[\(] *)?.*(RE?S?|FWD?|re\[\d+\]?) *([-:;)\]][ :;\])-]*|$)|\]+ *$', re.IGNORECASE)
for line in text:
    print(p.sub('', line).strip())

这将为您提供以下输出：

RSVP
Direct Access Application

Proposed Negotiation Strategy
Case study option
Staffing

解释如下：

([\[\(] *)?             # starting [ or (, followed by optional spaces
.*(RE|FWD|re\[\d\]?) *  # Anything before RE or FW or FWD or re[number], followed by optional spaces
([-:;)\]][ :;\])-]+ $)  # only count it as a Re or FWD if it is followed by 
                        # : or - or ; or ] or ) or end of line
                        # (and after that you can have more of these symbols with
                        #  spaces in between)
|                       # OR
\]+ *$                  # match any trailing \] at end of line 
                        # (we assume the brackets () occur around a whole Re/Fwd
                        #  but the square brackets [] occur around the whole 
                        #  subject line)

---

希望这有帮助。谢谢你对“？：”的解释。但是，您提供的正则表达式只能排除一个“Re:”或“Fwd:”…您的解决方案在切换subjectstring和“”时有效