匹配電子郵件地址不包含在HTML標記中

Question

我需要突出顯示文本中的電子郵件地址，但如果包含在HTML標記，內容或屬性中，則不會突出顯示它們。

例如，串example@example.com必須不能被處理的字符串中<a href="mailto:example@example.com">example@example.com</a>轉換爲<a href="mailto:example@example.com">example@example.com</a>

但是電子郵件地址。

我已經試過這樣的正則表達式：

(?<![":])[a-zA-Z0-9._%-+]+@[a-zA-Z0-9._%-]+.[a-zA-Z]{2,6}(?!")

，但它不能正常工作。

Answer 1

我會猜測你的源文本是一個HTML文件，它只包含了一些包含的電子郵件地址的錨定標記。如果這是真的，那麼您將無法使用正則表達式來可靠匹配未標記的電子郵件地址。例如，給定輸入：

... 
<P>You'll find a lot more written by <A 
href="mailto:SvartaIF@example.com" 
title="some text including an@sign.org"> 

SvartaIF@example.com 
</A>. 
</P> 
... 

就不可能詞彙的href與地址相關聯，也排除an@sign.org。您需要使用HTML解析器; BeautifulSoup很受歡迎。