電子郵件提取以不需要的字符開始和結束（python）

Question

所以我有一個程序可以提取電子郵件和電話號碼。 我跑了，電話號碼很好。 但是，這些電子郵件將繼續導致：例如：3465Usjohnson@astate.eduUProvost而不是sjohnson@astate.edu正在從中提取的環繞文本：870-972-3465Usjohnson@astate.eduUProvost和副總理博士。 Lynita Cooksey870-972-2 030 870-972-2036Ulcooksey@astate.edu

在實際的PDF中，有白色和空白，但是在復制和粘貼時，它們之間沒有空格，因此也沒有我收到的電子郵件。（看起來像是： 在此處輸入圖片說明

#! python 3

import re, pyperclip

# Regex for phone numbers
phoneRegex = re.compile(r'''
# 860-555-3951, 555-3951, (860) 555-3951, 555-3951 ext 12345, ext. 12345, x12345
(
((\d\d\d)|(\(\d\d\d\)))?    #area code (optional)
(\s|-)              #first seperator
\d\d\d              #first 3 digits
-                   #second seperator
\d\d\d\d            #last 4 digits
(((ext(\.)?\s)|x)   #Extension-words (optional)
(\d{2,5}))?         #Extension - numbers (optional)
)
''', re.VERBOSE)


#Regex for Emails
emailRegex = re.compile(r'''
#some._+thing@(/d{2,5}))?.com

[a-zA-Z0-9_.+]+   #Name part 
@    #@ symbol
[a-zA-Z0-9_.+]+ #domain


''', re.VERBOSE)


#pyperclip get text off 
text = pyperclip.paste()



#extract
extractedPhone = phoneRegex.findall(text)
extractedEmail = emailRegex.findall(text)

allPhoneNumbers = []
for phoneNumber in extractedPhone:
    allPhoneNumbers.append(phoneNumber[0])


#copy to clipboard
results = '\n'.join(allPhoneNumbers) + '\n'.join(extractedEmail)
pyperclip.copy(results)

Answer 1

因為我沒有原始文本，所以我將使用您示例中的字符串。

看看以下兩個正則表達式是否適合您。 我還包括一個更精確的三分之一。

'(?<=\\dU)[\\w]+@[\\w\\.]+?(?=U|\\s|$)'

。

'(?<=\\dU)[\\w]+@[\\w]+\\.[\\w]+?(?=U|\\s|$)'

。

示例測試

>>> import re


>>> string = '''3465Usjohnson@astate.eduUProvost instead of sjohnson@astate.edu The surround text that it is being extracted from: 870-972-3465Usjohnson@astate.eduUProvost and Vice ChancellorDr. Lynita Cooksey870-972-2 030 870-972-2036Ulcooksey@astate.edu'''


>>> re.findall('(?<=\dU)[\w]+@[\w\.]+?(?=U|\s|$)', string)

#Output
['sjohnson@astate.edu', 'sjohnson@astate.edu', 'lcooksey@astate.edu']




>>> re.findall('(?<=\dU)[\w]+@[\w]+\.[\w]+?(?=U|\s|$)', string)

#Output
['sjohnson@astate.edu', 'sjohnson@astate.edu', 'lcooksey@astate.edu']

。

更准確一點，因為電子郵件都以.edu

'(?<=\\dU)[\\w]+@[\\w]*\\.edu(?=U|\\s|$)'

。

示例測試

>>> string = '''3465Usjohnson@astate.eduUProvost instead of sjohnson@astate.edu The surround text that it is being extracted from: 870-972-3465Usjohnson@astate.eduUProvost and Vice ChancellorDr. Lynita Cooksey870-972-2 030 870-972-2036Ulcooksey@astate.edu'''


>>> re.findall('(?<=\dU)[\w]+@[\w]*\.edu(?=U|\s|$)', string)

#Output
['sjohnson@astate.edu', 'sjohnson@astate.edu', 'lcooksey@astate.edu']

Answer 2

我自己是Python新手。 如果文本是從' astate.edu '網站專門提取的，我想你可以使用這個正則表達式：

text='70-972-3465Usjohnson@astate.eduUProvost and Vice ChancellorDr. Lynita Cooksey870-972-2 030 870-972-2036Ulcooksey@astate.edu'    
import re
email= re.findall('[a-z]+\@\w+\.edu',text)
#output
['sjohnson@astate.edu', 'lcooksey@astate.edu']

祝好運！