从 .text 文件中提取电子邮件的 Python 脚本

Question

我目前正在尝试运行从 .txt 文件中提取所有电子邮件的脚本。 运行脚本时，我收到无效的语法错误。 也许有人可以帮助...

import re
in_file = open("C:\\Users\\Testing1_Emails.txt","rt")


for line in in_file:
    if re.match(r'[\w\.-]+@[\w\.-]+')
        print line

Answer 1

你必须写：

if re.match(r'[\w\.-]+@[\w\.-]+',  line):

（添加“行”和“：”）

Answer 2

问题出在这里：

for line in in_file:
    if re.match(r'[\w\.-]+@[\w\.-]+')
        print line

在if re.match(r'[\\w\\.-]+@[\\w\\.-]+')语句中，您不会以:

Answer 3

match 方法需要 2 个参数。

见： https : //docs.python.org/2/library/re.html#re.match

重新匹配（模式，字符串，标志= 0）

如果字符串开头的零个或多个字符与正则表达式模式匹配，则返回相应的 MatchObject 实例。 如果字符串与模式不匹配，则返回 None； 请注意，这与零长度匹配不同。

请注意，即使在 MULTILINE 模式下， re.match() 也只会匹配字符串的开头，而不是每行的开头。

如果您想在字符串中的任何位置找到匹配项，请改用 search()（另请参阅 search() 与 match()）。

Answer 4

大多数邮件 ID 允许使用字母、数字、点（.）、下划线（_），并且所有这些都肯定包含“@”。 我们可以使用此信息使用正则表达式编写模式。

import re
pat = re.compile(r'[a-zA-Z0-9\._]+@[a-zA-Z\.]') # regex pattern

[az]+ 将匹配任何小写字母，任意数量的出现
[0-9]+ 将匹配任何数字，任何出现次数
[.] 将匹配 '.'

此外，如果您想检查您的模式是否与您的搜索字符串匹配，请在此处查看。 https://regexr.com/

例子： -

f = open("my_file.txt", "w")
f.write('walkup@cs.washington.edu, geb@cs.pitt.edu, walkup@cs.washington.edu \n')
mails = re.findall(r"[a-z]+@[a-z\.]+", f.read())
print(list(set(mails)))

出站：['walkup@cs.washington.edu'、'geb@cs.pitt.edu'、'walkup@cs.washington.edu']

注意：re.findall() 在内部对指定的模式应用 re.pattern()。