Python 正则表达式删除破折号之间的捕获电子邮件或忽略以 .jpg 等结尾的电子邮件

我想弄清楚如何改进正则表达式以仅获取不以 ".jpg" 结尾的 emails 并删除 -- 从电子邮件的左右部分(如果找到的话)。示例参数为 source，它是一个字符串。

<html> 
   <body> 
   <p>aaa@example.jpg</p> 
   <p>--bbb@example.com--</p> 
   <p>ccc@example.com--</p> 
   <p>--ddd@example.com</p> 
 
</body> 
</html> 

结果应包含:bbb@example.com, ccc@example.com, ddd@example.com 所以基本上，我无论如何都想改进这个功能，这样正则表达式就可以生成电子邮件而无需——如果可能的话，改进 if not email[0].endswith('.png') 以防万一我想添加更多，这看起来很丑陋。

def extract_emails(source): 
 
    regex = re.compile(r'([\w\-\.]{1,100}@(\w[\w\-]+\.)+[\w\-]+)') 
    emails = list(set(regex.findall(source.decode("utf8")))) 
    all_emails = [] 
    for email in emails: 
        if not email[0].endswith('.png') and not email[0].endswith('.jpg') \ 
                and not email[0].endswith('.gif') and not email[0].endswith('.rar')\ 
                and not email[0].endswith('.zip') and not email[0].endswith('.swf'): 
            all_emails.append(email[0].lower()) 
 
    return list(set(all_emails)) 

请您参考如下方法:

我认为顶级域很少，所以您可以使用alternation

s="""<html> 
   <body> 
   <p>aaa@example.jpg</p> 
   <p>--bbb@example.com--</p> 
   <p>ccc@example.com--</p> 
   <p>--ddd@example.com</p> 
 
</body> 
</html>""" 
print re.findall(r"-*([\w\.]{1,100}@\w[\w\-]+\.+com|biz|us|bd)-*",s) 
 
['bbb@example.com', 'ccc@example.com', 'ddd@example.com'] 

参见 DEMO

或尝试 \w+@\w+\.(?!jpg|png)\w+\.*\w*

s="""<html> 
   <body> 
   <p>aaa@example.jpg</p> 
   <p>--bbb@example.com--</p> 
   <p>ccc@example.com--</p> 
   <p>--ddd@example.com</p> 
 
</body> 
</html>""" 
print re.findall(r"\w+@\w+\.(?!jpg|png)\w+\.*\w*",s) 

很难为电子邮件验证设置常量正则表达式- 电子邮件验证的详细信息请访问 Using a regular expression to validate an email address它有 69 个答案。