通过正则表达式分割字符串

Question

假设给我一个像这样的字符串：

input = """
abc@gmail.com is a very nice person
xyz@gmail.com sucks
lol@gmail.com is pretty funny."""

我有一个用于电子邮件地址的正则表达式： ^[A-z0-9\\+\\.]+\\@[A-z0-9\\+\\.]+\\.[A-z0-9\\+]+$

目标是根据电子邮件地址正则表达式拆分字符串。 输出应为：

["is a very nice person", "sucks", "is pretty funny."]

我一直在尝试使用re.split(EMAIL_REGEX, input)但没有成功。 我得到的输出是列表中包含的整个字符串。

Answer 1

删除^和$锚点，因为它们仅匹配字符串的开头和结尾。 由于电子邮件地址位于字符串的中间，因此它们将永远不会匹配。

您的正则表达式还有其他问题。 帐户名称中可以包含许多其他字符，例如_和- 。 域名可以包含-字符，但不能包含+ 。 并且您不应该使用范围Az来获取大写和小写字符，因为您可能不想在两个字母块之间包含一些字符（请参见ASCII表 ）。 使用A-Za-z或使用az并添加flags = re.IGNORECASE 。

Answer 2

'^$'可能会把它扔掉。 它只会匹配以匹配的正则表达式开头和结尾的字符串。

我有一些接近您想要的东西：

>>> EMAIL_REGEX = r'[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,4}'
>>> re.split(EMAIL_REGEX, input, flags=re.IGNORECASE)
['\n', ' is a very nice person\n', ' sucks\n', ' is pretty funny.']

Answer 3

您可能需要遍历所有行，然后使用正则表达式将它们分开。 另外，您的正则表达式结尾不应包含$ 。

尝试类似：

EMAIL_REGEX = r"\.[a-z]{3} " # just for the demo note the space
ends =[]
for L in input.split("\n"):
   parts = re.split(EMAIL_REGEX,L)
   if len(parts) > 1:
       ends.append(parts[1])

输出：

['is a very nice person', 'sucks', 'is pretty funny.']

Answer 4

这里不会使用正则表达式，它也将像这样工作：

messages = [] for item in input.split('\n'): item = ' '.join(item.split(' ')[1:]) #removes everything before the first space, which is just the email-address in this case messages.append(item)

使用时的messages输出：

input = """ abc@gmail.com is a very nice person xyz@gmail.com sucks lol@gmail.com is pretty funny."""

['', 'is a very nice person', 'sucks', 'is pretty funny.']

如果要删除第一个元素，请按照以下步骤操作： messages = messages[1:]