如何用Python正则从线程化邮件正文中精准提取独立签名段？

问题分析 #

线程化邮件的签名段通常位于With Regards/Best Regards等问候语之后，下一封邮件的From:/Von:行之前。之前的正则问题大概率是没用到非贪婪匹配和行锚定，导致过度匹配了无关内容。

解决方案 #

使用结合多行模式、DOTALL模式的正则表达式，通过正向预查精准定位签名的结束边界，避免多余内容被包含。

正则表达式

(With Regards|Best Regards|Kind Regards)(.*?)(?=^From:|^Von:|\Z)

• (With Regards|Best Regards|Kind Regards)：匹配签名的起始问候语，可根据需求扩展更多问候词（比如德语的Mit freundlichen Grüßen）
• (.*?)：非贪婪匹配问候语之后的所有内容，防止匹配到下一封邮件的内容
• (?=^From:|^Von:|\Z)：正向预查，匹配到下一封邮件的行首From:/Von:，或者文本结尾，作为签名的结束边界（不会把From:/Von:本身包含进去）

Python 代码实现

import re

# 替换为pywin32提取的线程化邮件正文
email_body = """Hi there,

This is the email content.

Best Regards,
John Doe
Senior Developer

From: Jane Smith <jane@example.com>
Subject: Re: Threaded Email

With Regards,
Jane Smith"""

# 编译正则，开启多行模式和DOTALL模式
sig_pattern = re.compile(
    r'(With Regards|Best Regards|Kind Regards)(.*?)(?=^From:|^Von:|\Z)',
    re.MULTILINE | re.DOTALL
)

# 提取所有签名并清理格式
raw_signatures = sig_pattern.findall(email_body)
clean_signatures = [
    (greeting + content).strip()
    for greeting, content in raw_signatures
]

# 输出结果
for i, sig in enumerate(clean_signatures, 1):
    print(f"签名 {i}:\n{sig}\n")

代码说明

• re.MULTILINE：让^匹配每行的开头，确保From:/Von:只匹配新邮件的行首标识
• re.DOTALL：让.匹配换行符，确保签名段内的换行内容被完整匹配
• strip()：去除签名前后的多余空白和换行，让结果更整洁

扩展优化 #

• 若需要支持更多语言的问候语，直接在正则的问候语分组里添加即可，比如：(With Regards|Best Regards|Mit freundlichen Grüßen)
• 如果签名中可能包含From:（比如签名里的联系方式），可以给From:/Von:添加更严格的匹配规则，比如匹配行首后紧跟空格和邮箱格式：(?=^From: .*@|^Von: .*@|\Z)

内容的提问来源于stack exchange，提问作者Pravin