Python 忽略与正则表达式不完全匹配的字符串？

我想使用正则表达式返回电子邮件的所有收件人。例如：

Date: Wed, 6 Dec 2000 02:03:00 -0800 (PST)
From: donald.herrick@enron.com
To: brianherrick@email.msn.com, herriceu2@tdprs.state.tx.us, 
    robertherrick@bankunited.com, kristi.demaiolo@enron.com, 
    suresh.raghavan@enron.com, harry.arora@enron.com
Subject: FW: If Santa Answered his mail...
Mime-Version: 1.0
Content-Type: text/plain; charset=us-ascii
Content-Transfer-Encoding: 7bit
X-From: Donald W Herrick
X-To: brianherrick@email.msn.com, HERRICEU2@tdprs.state.tx.us, RobertHerrick@bankunited.com, Kristi Demaiolo, Suresh Raghavan, Harry Arora
X-cc: 
X-bcc: 

应返回（从“到：”行）brianherrick@email.msn.com, herriceu2@tdprs.state.tx.us, robertherrick@bankunited.com，克里斯蒂。demaiolo@enron.com，苏雷什。raghavan@enron.com骚扰arora@enron.com

但是不是（从“X-To:”行）brianherrick@email.msn.com, HERRICEU2@tdprs.state.tx.us, RobertHerrick@bankunited.com

我当前的正则表达式是

re.findall（[To:\s][\w\.-]+@[\w\.-]+，text）

，它返回从“To:”、“X-To:”和“from:”行的所有内容

我的问题：

为什么“发件人：”行上的电子邮件地址也会被返回？信息技术 与正则表达式的

[To:\s]

部分不匹配

我如何确保只有“收件人：”后面的电子邮件地址是 返回？（即，如何排除以下电子邮件地址 “X-To:”？我认为您可以为此使用前瞻断言，但我不确定如何做到这一点

---

您误解了字符类的作用；您的模式匹配字符串中包含

T

、

o

、

：

或空白字符的任何位置

这是因为

[To:\s]

为字符类建模，集合中的任何一个字符都将匹配。这就是为什么

From:

行匹配；

：

和

d

之间的空格在这里就足够了

如果需要验证整个标题名，请使用

^

将匹配锚定到行的开头，但删除该字符类：

r'^To:\s+[\w\.-]+@[\w\.-]+'

现在，如果使用

re.MULTILINE

标志，则

To:

部分仅在行首匹配：

>>> import re
>>> text = '''\
... Date: Wed, 6 Dec 2000 02:03:00 -0800 (PST)
... From: donald.herrick@enron.com
... To: brianherrick@email.msn.com, herriceu2@tdprs.state.tx.us, 
...     robertherrick@bankunited.com, kristi.demaiolo@enron.com, 
...     suresh.raghavan@enron.com, harry.arora@enron.com
... Subject: FW: If Santa Answered his mail...
... Mime-Version: 1.0
... Content-Type: text/plain; charset=us-ascii
... Content-Transfer-Encoding: 7bit
... X-From: Donald W Herrick
... X-To: brianherrick@email.msn.com, HERRICEU2@tdprs.state.tx.us, RobertHerrick@bankunited.com, Kristi Demaiolo, Suresh Raghavan, Harry Arora
... X-cc: 
... X-bcc: 
... '''
>>> re.findall(r'^To:\s+[\w\.-]+@[\w\.-]+', text)
[]
>>> re.findall(r'^To:\s+[\w\.-]+@[\w\.-]+', text, flags=re.M)
['To: brianherrick@email.msn.com']

这只能与第一个电子邮件地址匹配，并且只有当它不包含全名之类的内容时（例如，

Brian Herrick

）

您必须匹配整个标题：

这会将

匹配到：

标题，后跟任意数量的标题续行（以空格开头）：

你必须从中提取电子邮件地址

就我个人而言，我会研究的，相反，这将使它更容易抓取标题：

import email

message = email.message_from_string(text)
to_headers = message.get_all('to')
addresses = email.utils.getaddresses(to_headers)

演示：

现在你有了所有的电子邮件地址

在使用正则表达式时也可以应用：

>>> email.utils.getaddresses(re.findall(r'^To:\s+((?:.*(?:\n[ \t]+)?)*)', text, flags=re.M))
[('', 'brianherrick@email.msn.com'), ('', 'herriceu2@tdprs.state.tx.us'), ('', 'robertherrick@bankunited.com'), ('', 'kristi.demaiolo@enron.com'), ('', 'suresh.raghavan@enron.com'), ('', 'harry.arora@enron.com')]

---

作为@MartijnPieters答案的补充，regex可能不是合适的工具

---

regex

模块：无限查找和其他功能

如果您想使用正则表达式，我建议您使用未完成而不是

re

。此正则表达式将返回所有匹配项：

(?<=(?<!X\S+)To:\s*(?:[^@\s]+@[^\,\s]+,\s*)*?)[^@\s]+@[^\,\s]+

解释

• 我们有一个大的查找，然后是一个非常基本的电子邮件匹配器：

  [^@\s]+@[^\，\s]+

  ，它匹配任何不是arrobas或空格字符的字符，然后是arrobas，然后是任何不是逗号或空格字符的字符（输入中电子邮件分隔符的结尾）
• 如果需要，可以用更复杂的电子邮件正则表达式替换电子邮件匹配器
• 现在转到大的lookback```（？to:，只要它前面没有前面有

  Xsomething

  ，正如负lookback

  （

• 非捕获组

  （？：[^@\s]+[^\，\s]+，\s*）*？

  根据需要匹配表达式

  [^@\s]+[^\，\s]+，\s*

  中的

  *？

  量词），以允许后面的内容匹配。这是一个“电子邮件跳过器”，允许我们在每次匹配后逐渐跳过越来越多的电子邮件

• [^@\s]+@[^\，\s]+，\s*

  只是一封简陋的电子邮件，后跟一个coma和可选的空白字符（

  \s

  不仅匹配空格，还匹配回车符、制表符等）

---

[To:\s]

不会做你认为它会做的事。

'o:TT TTTo oT:：'

也匹配，因为

[…]

为一组字符建模，而不是序列。如果在字符集后有一个

*

或

+

，否则它只匹配一个字符。换句话说，当前表达式匹配

T.-----。whoopee@foobar

仅仅因为它以

T

、

o

、

：

或空格中的一个开头。Thanx。我会的查看电子邮件包，但我不知道这是否是我正在寻找的，因为我正在为txt文件（本例中碰巧包含电子邮件）构建一个通用解析器。我在表达式中有

[to:\s]

的原因是，当我有

to:\s

和多行标志时，它只返回第一个电子邮件地址(brianherrick@email.msn.com)，其中，我需要将所有匹配项返回到

[\w\.-]+@[\w\.-]+

，这些匹配项出现在“to:”之后，但不在“X-to:”之后。这可能吗？@user3797035:您只能匹配整个标题，而不能匹配单个电子邮件地址。@user3797035:添加了有关如何使用正则表达式提取所有

收件人：

标题的详细信息，以及如何使用

电子邮件.utils

包将这些标题解析为电子邮件地址的详细信息。您好，谢谢您的建议。您愿意成为能够解释正则表达式字符串的作用吗？特别是关于前向和后向断言？此表达式是否与

re

不兼容？不，它不能与

re

一起工作。支持此功能的仅有两个引擎是.NET和

regex

模块（四大引擎中的两个，分别是PCRE和Perl）。对于Python中任何严重的正则表达式，您都需要该模块，该模块旨在替换

re

。将添加解释。：）好的，添加了一个很长的解释，但如果有不清楚的地方或您需要更多详细信息，请告诉我。：）如果你有，比如说，一个

X-Original-To:

标题，这将不起作用。你最好锚定到一行的开头；电子邮件标题确实跟随RFC是有原因的。：-@MartijnPieters谢谢你的想法，编辑了lookback来解释它。：）我没有考虑

>>> import email
>>> m = email.message_from_string(text)
>>> m.get_all('to')
['brianherrick@email.msn.com, herriceu2@tdprs.state.tx.us, \n    robertherrick@bankunited.com, kristi.demaiolo@enron.com, \n    suresh.raghavan@enron.com, harry.arora@enron.com']
>>> email.utils.getaddresses(m.get_all('to'))
[('', 'brianherrick@email.msn.com'), ('', 'herriceu2@tdprs.state.tx.us'), ('', 'robertherrick@bankunited.com'), ('', 'kristi.demaiolo@enron.com'), ('', 'suresh.raghavan@enron.com'), ('', 'harry.arora@enron.com')]

>>> email.utils.getaddresses(re.findall(r'^To:\s+((?:.*(?:\n[ \t]+)?)*)', text, flags=re.M))
[('', 'brianherrick@email.msn.com'), ('', 'herriceu2@tdprs.state.tx.us'), ('', 'robertherrick@bankunited.com'), ('', 'kristi.demaiolo@enron.com'), ('', 'suresh.raghavan@enron.com'), ('', 'harry.arora@enron.com')]

>>> from email.parser import Parser
>>> headers = Parser().parsestr(email_str)
>>> pprint.pprint(map(str.strip, headers['to'].split()))
['brianherrick@email.msn.com,',
 'herriceu2@tdprs.state.tx.us,',
 'robertherrick@bankunited.com,',
 'kristi.demaiolo@enron.com,',
 'suresh.raghavan@enron.com,',
 'harry.arora@enron.com']

(?<=(?<!X\S+)To:\s*(?:[^@\s]+@[^\,\s]+,\s*)*?)[^@\s]+@[^\,\s]+

import regex
subject = """Date: Wed, 6 Dec 2000 02:03:00 -0800 (PST)
From: donald.herrick@enron.com
To: brianherrick@email.msn.com, herriceu2@tdprs.state.tx.us, 
    robertherrick@bankunited.com, kristi.demaiolo@enron.com, 
    suresh.raghavan@enron.com, harry.arora@enron.com
Subject: FW: If Santa Answered his mail...
Mime-Version: 1.0
Content-Type: text/plain; charset=us-ascii
Content-Transfer-Encoding: 7bit
X-From: Donald W Herrick
X-To: brianherrick@email.msn.com, HERRICEU2@tdprs.state.tx.us, RobertHerrick@bankunited.com, Kristi Demaiolo, Suresh Raghavan, Harry Arora
X-cc: 
X-bcc: """
pattern = "(?<=(?<!X\S+)To:\s*(?:[^@\s]+@[^\,\s]+,\s*)*?)[^@\s]+@[^\,\s]+"

for match in regex.finditer(pattern, subject):
    print(match.group())

brianherrick@email.msn.com
herriceu2@tdprs.state.tx.us
robertherrick@bankunited.com
kristi.demaiolo@enron.com
suresh.raghavan@enron.com
harry.arora@enron.com