Python 正则表达式提取特定部分非贪婪

我不熟悉Python 2.7。使用正则表达式，我试图从文本文件中提取输入行中的电子邮件。我使用的是非贪婪方法，因为电子邮件在同一行中重复了2次。这是我的密码：

import re
f_hand = open('mail.txt')
for line in f_hand:
    line.rstrip()
    if re.findall('\S+@\S+?',line): print re.findall('\S+@\S+?',line)

然而，这是我得到的，而不仅仅是电子邮件地址：

['href="mailto:secretary@abc-mediaent.com">sercetary@a']

我应该在

re.findall

中使用什么来只发送电子邮件？

试试这个

re.findall（'mailto:（\S+@\S+？\。\S+\”，str））

它应该会给你一些

['secretary@abc-mediant.com']

试试这个

re.findall（'mailto:（\S+@\S+？\。\S+\”，str））

它应该会给你一些

---

['secretary@abc-mediant.com']

\S

表示不是空格。

“

和

不是空格

---

您应该使用

mailto:（[^@]+@[^”]+）

作为正则表达式（引用形式：

'mailto:（[^@]+@[^”]+）

）。这将把电子邮件地址放在第一个捕获组中。

\S

表示没有空格

“

和

不是空格

---

您应该使用

mailto:（[^@]+@[^”]+

作为正则表达式（引用形式：

'mailto:（[^@]+@[^”]+'）

）。这将把电子邮件地址放在第一个捕获组中。

如果您解析一个简单的文件，其中包含电子邮件地址的锚，并且始终使用相同的语法（如用双引号括住属性），您可以使用：

for line in f_hand: 
    print re.findall(r'href="mailto:([^"@]+@[^"]+)">\1</a>', line)

对于f_-hand中的行：
打印关于findall的文件（r'href=“mailto:（[^“@]+@[^“]+）”>\1'，行）

（

re.findall

仅返回捕获组。

\1

表示第一个捕获组的内容。）

---

如果文件是更复杂的html文件，请使用解析器，提取链接并对其进行过滤。
或者最终使用XPath，例如：

子字符串之后（//a/@href[以（，“mailto:”）]，“mailto:”）

，如果您解析一个带有电子邮件地址锚的简单文件，并且始终使用相同的语法（类似于用双引号括起属性），可以使用：

for line in f_hand: 
    print re.findall(r'href="mailto:([^"@]+@[^"]+)">\1</a>', line)

对于f_-hand中的行：
打印关于findall的文件（r'href=“mailto:（[^“@]+@[^“]+）”>\1'，行）

（

re.findall

仅返回捕获组。

\1

表示第一个捕获组的内容。）

---

如果文件是更复杂的html文件，请使用解析器，提取链接并对其进行过滤。
或者最终使用XPath，例如：

子字符串（//a/@href[以（，“mailto:”）开头），“mailto:”

\S接受电子邮件地址中许多无效的字符。请尝试

[a-zA-Z0-9-_.]+@[a-zA-Z0-9-_.]+\\.[a-zA-Z0-9-_.]+

（假设您没有尝试支持Unicode——因为您的输入是一个“文本文件”，所以您似乎不支持Unicode）

---

这需要在电子邮件地址的服务器部分使用“.”，匹配将在电子邮件地址中无效的第一个字符处停止。

\S接受电子邮件地址中无效的许多字符。请尝试正则表达式

[a-zA-Z0-9-_.]+@[a-zA-Z0-9-_.]+\\.[a-zA-Z0-9-_.]+

（假设您没有尝试支持Unicode——因为您的输入是一个“文本文件”，所以您似乎不支持Unicode）

---

这将要求在电子邮件地址的服务器部分使用“.”，您的匹配将在电子邮件地址中无效的第一个字符处停止。

这是电子邮件地址的格式-

请记住，您需要的正则表达式是-

r”（[a-zA-Z0-9+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+）

（这不必依赖于电子邮件地址周围的文本）

以下代码行-

html_str = r'<a href="mailto:sachin.gokhale@indiacast.com">sachin.gokhale@indiacast.com</a>'
email_regex = r"([a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+)"
print re.findall(email_regex, html_str)

---

另外，我通过谷歌搜索“email address regex”并点击第一个站点获得了电子邮件地址的regex-

这是电子邮件地址的格式-

请记住，您需要的正则表达式是-

r”（[a-zA-Z0-9+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+）

（这不必依赖于电子邮件地址周围的文本）

以下代码行-

html_str = r'<a href="mailto:sachin.gokhale@indiacast.com">sachin.gokhale@indiacast.com</a>'
email_regex = r"([a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+)"
print re.findall(email_regex, html_str)

---

另外，我通过谷歌搜索“email address regex”并点击第一个站点获得了电子邮件地址的正则表达式-

[^@]+@\S+？

-显式匹配非

@

。不要尝试用正则表达式解析HTML。使用HTML解析器。这将有助于查看您尝试解析的文本示例以及预期的输出。嗨，Brendan！这是文本：

[^@]+@\S+？

-显式匹配非

@

。不要尝试用正则表达式解析HTML。使用HTML解析器。这将有助于查看您尝试解析的文本示例以及预期的输出。嗨，Brendan！这是文本：嗨，Saurabh！这是我正在做的立即获取：['mailto:email@email.com“']我怎样才能删除mailto和”标志？嗨，Saurabh！这就是我现在得到的：['mailto:email@email.com“']如何删除邮件收件人和”标志？