Python:提取网页中的电子邮箱

我们使用其它编程语言处理在文本中查找“类似”的内容时，往往使用正则表达式，Python在网页上找出所有“类似”的内容，也是要用正则表达式。

在Python中，使用正则表达式的模块是“re"，正则表达式模块"re"指定一个与之匹配的字符集合，本模块所提供的函数，将可以用来检查所给的字符串是否与指定的正则表达式匹配。”re"模块的findall()函数可以找出如电子邮箱、电话号码、外部连接、文件类型等形式。

• 程序示例：

import requests, re

#regex = r"([a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+)"
#这个正则表达式过滤掉了qq邮箱
regex = r"([a-zA-Z0-9_.+-]+@[a-pr-zA-PRZ0-9-]+\.[a-zA-Z0-9-.]+)"
#基于隐私，使用了“XXXXXXXXXXXXXX”
url = 'http://blog.sina.com.cn/s/XXXXXXXXXXXXXXXXXX.html'
html = requests.get(url).text
#print(html)
emails = re.findall(regex,html)
i = 0
for email in emails:
    i += 1
    if i < 16:
        print("{} :{}".format(i,email))

• 执行结果：