ईमेल और URL ढूँढ़ना

यह ईमेल पैटर्न शब्द-वर्णों, एट चिह्न, कुछ और वर्णों, एक बिंदु और अक्षरों को पकड़ता है। यह पूर्ण नहीं है, लेकिन अधिकांश वास्तविक पतों को पकड़ लेता है।

डोमेन में आपको किसी भी वर्ण वाला डॉट नहीं, बल्कि वास्तविक डॉट चाहिए। इसलिए पते में केवल वास्तविक बिंदु से मिलान करने के लिए इसे \. के रूप में एस्केप करते हैं।

अपने ईमेल पैटर्न को re.findall के साथ मिलाएँ, ताकि पूरे दस्तावेज़ को खंगालकर उसमें मौजूद हर पता एक साफ़ Python सूची के रूप में मिल सके।

एक URL आम तौर पर http या https से शुरू होता है, फिर ://, उसके बाद डोमेन और पथ आता है। यह अनुमानित शुरुआत इसे रेगेक्स के लिए अच्छा लक्ष्य बनाती है।

यह URL पैटर्न http या https से, फिर किसी भी गैर-रिक्ति वर्ण से मिलान करता है। http के बाद वैकल्पिक s को प्रश्नवाचक चिह्न वाले क्वांटिफ़ायर से लिखा जाता है।

प्रश्नवाचक चिह्न अपने पहले वाले भाग को वैकल्पिक बनाता है। https? में s हो भी सकता है और नहीं भी, इसलिए http और https दोनों का साफ़-साफ़ मिलान हो जाता है।

डिफ़ॉल्ट रूप से क्वांटिफ़ायर लोभी होते हैं और जितना संभव हो उतना अधिक पाठ पकड़ते हैं। URL के साथ इससे वह अंतिम विराम-चिह्न भी शामिल हो सकता है जिसे आप नहीं चाहते थे।

पहली रिक्ति पर रुकने के लिए \S का उपयोग करें, या बाद में परिणाम को छोटा करें। मिलान कहाँ समाप्त होना चाहिए, यह जानने से आपका निष्कर्षण साफ़ रहता है।

अपने पैटर्न का हमेशा अव्यवस्थित वास्तविक पाठ पर परीक्षण करें। ईमेल में प्लस चिह्न या URL में क्वेरी स्ट्रिंग जैसे किनारी मामले बताते हैं कि यह कहाँ अब भी अतिरिक्त पाठ पकड़ रहा है।

आपने ईमेल और URL के लिए पैटर्न बनाए, वास्तविक डॉट को एस्केप किया और वैकल्पिक भागों के लिए प्रश्नवाचक चिह्न का उपयोग किया। अब आप पाठ से संपर्क जानकारी निकाल सकते हैं। 🔍