如何用正则表达式移除含空格的电子邮件地址？

针对呼叫中心转录文本中，语音转文字生成的带空格的邮箱（比如maya @ proton.me、maya.lucco @proton.me等），可以通过调整正则表达式来完整匹配并替换这些邮箱地址。

问题分析 #

原正则\S*@\S*\s?仅匹配无空格的连续字符，遇到邮箱内有空格时，会把空格前后的内容拆分开，导致部分内容残留（比如maya @ proton.me会被拆成maya 和@ proton.me，只替换后者，留下maya）。

解决方案 #

使用能匹配@前后带空格的合法邮箱片段的正则，完整捕获整个邮箱地址：

import re
import pandas as pd

# 测试数据
test = ['some random text maya @ proton.me with some more text maya+lucco@proton.me',
        'maya-lucco@proton.me with another address maya_lucco@proton.me',
        'some text maya.lucco @proton.me with some more bla maya.lucco@proton.me',
        'maya-lucco_@proton.me more text maya@ proton.me '
        ]
        
test = pd.DataFrame(test, columns = ['words'])

def anonymiseEmail(text):
    text = str(text).strip()
    # 匹配带空格的邮箱地址：本地部分允许字母/数字/._+-及空格分隔的片段，域名部分同理
    email_pattern = r'\b(?:[\w._+-]+(?:\s+[\w._+-]+)*)\s*@\s*(?:[\w.-]+(?:\s+[\w.-]+)*)\b'
    text = re.sub(email_pattern, '{e-mail}', text)
    return text

# 应用函数
test['noEmail'] = test.words.apply(anonymiseEmail)

# 查看结果
for idx, row in test.iterrows():
    print(f"原文本: {row['words']}")
    print(f"处理后: {row['noEmail']}\n")

正则解释 #

• \b：单词边界，确保匹配的是完整的邮箱，而非其他字符串中的片段
• (?:[\w._+-]+(?:\s+[\w._+-]+)*)：匹配邮箱的本地部分（@前），允许由空格分隔的多个合法字符片段（合法字符包括字母、数字、._+-）
• \s*@\s*：匹配@符号，允许前后有任意数量的空格
• (?:[\w.-]+(?:\s+[\w.-]+)*)：匹配邮箱的域名部分（@后），允许由空格分隔的多个合法字符片段（合法字符包括字母、数字、.-）

关于其他思路的说明 #

• 你尝试的lookahead/lookbehind方案不适用，因为这类断言只能匹配位置，无法捕获前后的完整片段；
• 手动检查@前后单词的方案可行，但效率较低，且需要额外处理逻辑，正则方案更简洁高效，适合批量处理文本。

内容的提问来源于stack exchange，提问作者Simone