Question

我希望在字符串中找到与特定模式匹配的单词。问题是，如果单词是电子邮件地址的一部分，则应忽略它们。

简化“正确的单词”\w+\.\w+的模式 - 一个或多个字符，一个实际句点和另一系列字符。

例如，导致问题的句子是a.a b.b:c.c d.d@e.e.e。

目标是仅匹配[a.a, b.b, c.c]。对于我构建的大多数正则表达式，e.e也会返回（因为我使用了一些单词边界匹配）。

例如：

>>> re.findall(r"(?:^|\s|\W)(?<!@)(\w+\.\w+)(?!@)\b", "a.a b.b:c.c d.d@e.e.e") ['a.a', 'b.b', 'c.c', 'e.e']

如何只匹配不包含“@”的单词？

Answer 1

我肯定会先清理它并简化正则表达式。

首先我们有

words = re.split(r':|\s', "a.a b.b:c.c d.d@e.e.e")

然后过滤掉其中包含@的字词。

words = [re.search(r'^((?!@).)*$', word) for word in words]

Answer 2

使用正则表达式正确解析电子邮件地址非常困难，但对于简化的情况，使用单词〜\w\.\w和电子邮件〜any sequence that contains @的简单定义，您可能会发现此正则表达式可以执行的操作你需要：

>>> re.findall(r"(?:^|[:\s]+)(\w+\.\w+)(?=[:\s]+|$)", "a.a b.b:c.c d.d@e.e.e")
['a.a', 'b.b', 'c.c']

这里的诀窍不是关注下一个或上一个词中的内容，而是关注当前捕获的词必须是什么样的。

另一个技巧是正确定义单词分隔符。之前这个词我们将允许多个空格，:和字符串开始，消费这些字符，但不捕获它们。后我们要求的字几乎相同（字符串结束，而不是开头），但我们不消耗这些字符 - 我们使用前瞻断言。

Answer 3

您可以将类似电子邮件的子字符串与\S+@\S+\.\S+匹配，并在所有其他上下文中使用(\w+\.\w+)匹配并捕获您的模式。使用re.findall仅返回捕获的值并过滤掉空项（当电子邮件匹配时，它们将显示在re.findall个结果中）：

import re
rx = r"\S+@\S+\.\S+|(\w+\.\w+)"
s = "a.a b.b:c.c d.d@e.e.e"
res = filter(None, re.findall(rx, s))
print(res)
# => ['a.a', 'b.b', 'c.c']

请参阅Python demo。

请参阅regex demo。