初学python+selenium之路3：邮箱抓取中的正则表达式

学习博主python+selenium系列：http://blog.csdn.net/u011541946/article/details/68485981

其中涉及到邮箱抓取，采用正则表达式，具体的规则网上资料很多这里不赘述了。

假设text变量中存入任意格式邮箱地址

1)  r'^[0-9a-zA-Z_]{0,19}@[0-9a-zA-Z]{1,13}\.[com,cn,net]{1,3}$'

^代表匹配开始；[]中代表其中任意字符子表达式(不分次序)；{}中代表位数；\.代表对特殊字符“.”的转义；$代表匹配结束

PS:匹配[]内的特殊字符不需要加反斜杠，[]外则需要；

     [.]内的‘.’就表示‘.’；外的不加反斜杠的‘.’表示除/n换行符之外的任一单字符

2） r'[\w]+@[\w\.-]+'

代表匹配方法1中更直观但也复杂，方法2中更简洁，同时没有位数限制

\w代表任意数字字母下划线；+代表匹配前一个字符或子表达式任意次；-代表一个区间

PS：由解释可知 [\w]+ 等于 \w+

1)

results = re.match(r'^[0-9a-zA-Z_]{0,19}@[0-9a-zA-Z]{1,13}\.[com,cn,net]{1,3}$',text)

返回match对象，从字符串头开始出现匹配不到的则返回None(具体详解这边博文解释很清楚点击打开链接)

2)

results = re.findall(r'[\w]+@[\w\.-]+',text)

findall方法：返回一个列表结果，可以匹配text中的多个邮箱，没有则返回空列表

（正则表达式的规则使用可以写一本书，这里只是对抓取邮箱练习的一个学习记录）