如何从日志文件提取邮箱地址？代码优化与问题排查请求

原代码与需求 #

原代码 #

'''This program is to read through any number of inputs (that is only: .txt files) the user passes through the sys.argv (through the terminal only). The file should only be a .txt file. Which means there is a conditional. Then the program should print those results to the terminal.'''
import sys

def find_email(line1):
    '''
    We must find the 'email address pattern' that is: username@domainname.domain
    There is only one symbol to help the read file method catch and print those email addresses:
    The @ symbol and then the two ' ' spaces at each end of the email address. 
    when we call from main() we must read the log file containing emails. 
    '''
    line1 = [' ', '@', ' ']
    at_postion = line1.find('@')
    first_place = line1.find(' ', at_postion)
    second_place = line1.find(' ', at_postion)
    return line1[second_place: first_place + 1]

def main():
    '''
    Main for sys argv input and one wrong file conditional.
    '''
    result = []
    results = []
    sys.argv(input('Enter .txt file: '))
    with open('r', sys.argv) as input:
        for result in find_email():
            result.append(results)
        print(result)
        if sys.argv(input('Enter .txt file: ')) == type(str):
            find_email()
        else:
            print("Error, enter .txt files only")
            exit()
    print(results)

if __name__ == "__main__":
    main()

需求说明 #

要求仅使用字符串方法从日志文件读取并提取垃圾邮箱地址至终端，具体需求：

• a) 正确使用sys.argv，支持多文件输入，输入错误时显示提示；
• b) 从指定日志文件提取所有邮箱，禁止使用静态文件；
• c) 基于代码模块化重构代码。

代码理解误区与缺失点 #

• sys.argv使用完全错误：sys.argv是命令行参数列表，不是可调用函数，不能用sys.argv(input(...))获取输入。正确方式是通过终端传参（如python script.py file1.txt file2.txt），然后取sys.argv[1:]获取所有传入的文件名，sys.argv[0]是脚本自身的名字。
• find_email函数逻辑混乱：
  • 刚接收参数line1就把它覆盖成列表[' ', '@', ' ']，完全丢弃了传入的文本行；
  • 列表没有find()方法，find()是字符串的方法，此处类型错误；
  • 提取邮箱的逻辑错误：first_place和second_place用相同的查找方式，无法定位邮箱的前后空格边界，切片结果无效。
• 文件读取错误：
  • open()函数参数顺序颠倒，正确格式是open(filename, 'r')，不是open('r', filename)；
  • 直接把sys.argv（列表）传给open()，应该遍历sys.argv[1:]中的每个文件名，逐个打开。
• 列表操作错误：result.append(results)搞反了列表追加的方向，应该是results.append(result)；且循环for result in find_email()没有传入参数，find_email()需要接收每行文本作为参数。
• 输入验证逻辑无效：判断sys.argv(...) == type(str)毫无意义，应该检查文件名是否以.txt结尾，同时要处理文件不存在、无法读取的异常情况。

资源指引 #

1) 代码模块化 #

将功能拆分为独立、单一职责的函数：

• 参数校验函数：接收文件名列表，过滤出非.txt文件，返回有效文件列表并提示无效项；
• 邮箱提取函数：接收单文本行，用字符串方法定位邮箱并返回；
• 文件处理函数：接收单个文件名，读取内容并调用邮箱提取函数，返回该文件的所有邮箱；
• 主函数：处理sys.argv参数、调用上述函数、汇总结果并输出。

示例模块化结构：

import sys

def validate_files(filenames):
    valid = []
    for fn in filenames:
        if fn.endswith('.txt'):
            valid.append(fn)
        else:
            print(f"警告：{fn} 不是.txt文件，已跳过")
    return valid

def extract_email(line):
    at_pos = line.find('@')
    if at_pos == -1:
        return None
    # 向前找空格
    start = line.rfind(' ', 0, at_pos) + 1
    # 向后找空格
    end = line.find(' ', at_pos)
    if end == -1:
        end = len(line)
    return line[start:end].strip()

def process_file(filename):
    emails = []
    try:
        with open(filename, 'r', encoding='utf-8') as f:
            for line in f:
                email = extract_email(line)
                if email:
                    emails.append(email)
        return emails
    except FileNotFoundError:
        print(f"错误：文件 {filename} 不存在")
        return []
    except PermissionError:
        print(f"错误：无权限读取文件 {filename}")
        return []

def main():
    if len(sys.argv) < 2:
        print("使用方式：python script.py file1.txt [file2.txt ...]")
        return
    filenames = sys.argv[1:]
    valid_files = validate_files(filenames)
    all_emails = []
    for fn in valid_files:
        emails = process_file(fn)
        all_emails.extend(emails)
    print("提取到的邮箱：")
    for email in all_emails:
        print(email)

if __name__ == "__main__":
    main()

2) 文件读取方法 #

• 逐行读取：用for line in file_object遍历文件，适合大文件，避免内存占用过高；
• 上下文管理器：始终用with语句打开文件，它会自动关闭文件，避免资源泄漏；
• 异常处理：捕获FileNotFoundError（文件不存在）、PermissionError（无权限）等常见异常，给出清晰提示；
• 编码指定：打开文件时指定encoding='utf-8'，避免编码解析错误。

3) 代码正确之处 #

• 尝试将功能拆分为find_email和main函数，具备模块化的初步意识；
• 知道使用with语句处理文件，能自动管理文件资源；
• 有输入验证的意识，虽然逻辑错误，但核心需求的理解是对的。

4) 遗漏知识点 #

• sys.argv的本质：它是一个列表，存储终端执行脚本时传入的所有参数，第一个元素是脚本路径；
• 字符串方法细节：find()返回匹配的索引，找不到时返回-1，需要做判断；rfind()是从右往左查找，适合定位邮箱的起始空格；
• 列表操作：append()是向列表末尾加单个元素，extend()是合并另一个列表的元素；
• 异常处理：文件操作中必须处理异常，避免程序崩溃；
• 切片逻辑：提取子串时要考虑边界情况（比如邮箱在行尾，找不到后空格的处理）。

内容的提问来源于stack exchange，提问作者JoelFU