如何在Python制作电子邮件提取器？

电子邮件提取器是一种能够从网页、文本文件等处自动提取电子邮件地址的工具。在Python中，我们可以利用正则表达式来实现电子邮件地址的识别与提取。

步骤

步骤一：引入需要的库

在Python中，我们需要引入 re 和 urllib.request 两个库。

import re
import urllib.request

步骤二：获取网页源代码

获取网站源代码的方式有很多种，这里我们以使用 urllib.request 库来获取网页源代码为例。

url = 'https://www.example.com'
page = urllib.request.urlopen(url)
html_content = page.read()

步骤三：使用正则表达式提取电子邮件地址

使用 re.findall() 方法可以在指定的字符串中查找所有匹配正则表达式的子串，并将其以列表的形式返回。

email_address_list = re.findall(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b', str(html_content))

其中正则表达式的含义如下：

• \b: 匹配单词边界。
• [A-Za-z0-9._%+-]+: 匹配邮件地址中的用户名部分，其中 A-Z 和 a-z 代表任意大小写字母，0-9 代表任意数字，._%+- 代表允许的特殊字符，+ 表示允许匹配一个或多个字符。
• @: 匹配邮件地址中的“@”字符。
• [A-Za-z0-9.-]+: 匹配邮件地址中的域名部分，其中 A-Z 和 a-z、0-9、.、- 与上文相同。
• \.: 匹配邮件地址中的“.”字符。
• [A-Z|a-z]{2,}：匹配邮件地址中的顶级域名部分，其中 A-Z 和 a-z 代表任意大小写字母，{2,} 表示允许匹配两个及以上字符。

步骤四：输出结果

最后，我们可以将结果打印出来，也可以将结果保存到文件中。

for email in email_address_list:
    print(email)

完整代码

import re
import urllib.request

url = 'https://www.example.com'
page = urllib.request.urlopen(url)
html_content = page.read()

email_address_list = re.findall(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b', str(html_content))

for email in email_address_list:
    print(email)

小结

这就是如何在Python中制作电子邮件提取器的过程。通过正则表达式的使用，我们可以快速地从指定的网页源代码中提取出电子邮件地址，节省了大量的手动操作时间。