如何使用多个正则表达式生成包含匹配信息的元组列表

不需要编写覆盖三类规则的统一正则，直接复用现有匹配逻辑即可，修改成本更低，也方便后续单独调整某一类内容的匹配规则。

具体修改步骤 #

• 把三个re.finditer遍历中的打印逻辑替换为往你已初始化的result列表中追加符合要求的元组
• 所有匹配完成后，按元组第一个元素（匹配起始索引）对列表做升序排序，保证结果按文本中出现的先后顺序排列
• 可选优化：你当前的网址正则会把匹配内容末尾的标点（比如示例中的逗号）也识别进去，可将规则中[^\s]{2,}替换为[^\s.,!?]{2,}，过滤掉末尾常见标点

修改后完整代码 #

import re

# 测试文本
string = """should we use regex more often? let me know at 012345678@student.eng or bbx@gmail.com. To further notice, contact Khoi at 0957507468 or accessing
https://web.de or maybe www.google.com, or Mr.Q at 0912299922."""

result = []

# 匹配邮箱
email_pattern = r'[\w\.-]+@[\w\.-]+(?:\.[\w]+)+'
for match in re.finditer(email_pattern, string):
    result.append((match.start(), match.end() - match.start(), match.group()))

# 匹配手机号
phone_pattern = r'\(?\d{3}\)?[-.\s]?\d{3}[-.\s]?\d{4}'
for match in re.finditer(phone_pattern, string):
    result.append((match.start(), match.end() - match.start(), match.group()))

# 匹配网址（已优化末尾标点过滤）
website_pattern = r'(https?:\/\/(?:www\.|(?!www))[a-zA-Z0-9][a-zA-Z0-9-]+[a-zA-Z0-9]\.[^\s.,!?]{2,}|www\.[a-zA-Z0-9][a-zA-Z0-9-]+[a-zA-Z0-9]\.[^\s.,!?]{2,}|https?:\/\/(?:www\.|(?!www))[a-zA-Z0-9]+\.[^\s.,!?]{2,}|www\.[a-zA-Z0-9]+\.[^\s.,!?]{2,})'
for match in re.finditer(website_pattern, string):
    result.append((match.start(), match.end() - match.start(), match.group()))

# 按起始索引排序
result.sort(key=lambda x: x[0])

print(result)

运行输出示例 #

[(47, 21, '012345678@student.eng'), (72, 13, 'bbx@gmail.com'), (122, 10, '0957507468'), (146, 14, 'https://web.de'), (170, 14, 'www.google.com'), (197, 10, '0912299922')]

内容的提问来源于stack exchange，提问作者ukiaqua