Python如何用同一正则表达式匹配提取用户名和邮箱两类实体

• 错误使用re.match()方法：该方法仅从字符串的起始位置开始匹配，且你给的两个正则都加了^开头锚点和$结尾锚点，要求整个字符串完全匹配正则规则，自然无法匹配到句子中间的用户名、邮箱子串。
• 匹配优先级问题：如果拆分两个正则分别匹配，短的用户名模式xxx@会优先匹配到邮箱的前半段，消耗掉前缀字符后导致完整邮箱无法被识别。
• 用户名正则规则不匹配示例：你写的用户名正则仅允许字母作为前缀，不包含数字、下划线、连字符，不符合你给出的abc123@的示例格式要求。

使用单条正则，将更长的完整邮箱规则放在分支前侧优先匹配，结合re.findall()提取所有符合要求的实体即可，参考代码如下：

import re

test_text = "abc123@ is a researcher at abc123@company.com doing cool work."
# 正则优先匹配长的完整邮箱，再匹配短的用户名，避免短规则截断长匹配
entity_pattern = r'\b([A-Za-z0-9_\-]+@company\.com|[A-Za-z0-9_\-]+@)\b'
extract_result = re.findall(entity_pattern, test_text)
print(extract_result)
# 输出：['abc123@', 'abc123@company.com']

规则说明：

• \b为单词边界限定符，确保匹配的是独立的实体，不会误匹配其他字符串中间的片段
• 正则分支将完整邮箱规则放在前面，匹配时会优先尝试识别更长的邮箱，避免短的用户名规则先匹配走邮箱前缀
• 前缀规则统一设置为[A-Za-z0-9_\-]+，同时适配用户名和邮箱的前缀格式要求
• 捕获分组会直接返回匹配到的实体内容，不需要额外处理结果

内容的提问来源于stack exchange，提问作者mike0494