分析

电子邮箱

—个完整的Internet邮件地址由以下两个部分组成，格式如下：登录名@主机名.域名
例如：[email protected]、[email protected]
可以看出电子邮件中必须要有“@”，“.”以及字母
而登录名可以是：数字，字母，下划线（_），-；

QQ号码

QQ号码的识别：一般QQ号长度为5位到10位数字
直接识别5-10长度是数字，误判率超级大，随便一串数字都能识别
必须增加关键词来辅助判断例如：
QQ：123456；
QQ123456；
qq：123456；
q123456；等等

正则

电子邮箱

# 正则规则：匹配Email
re_email = "[^a-zA-Z0-9_.\/]{1}([\w-]+@[-\w]+\.[-\w.]+)[^a-zA-Z0-9_.\/]{0,1}"
email_lt = re.findall(re_email, self.body)
# 剔除部分不符合格式的邮箱
email_lt = [e for e in email_lt if e != '' and ".." not in e]

QQ号码

re_links = '[Qq]{1,2}[:：]?[\s]*([1-9][0-9]{4,9})[^0-9]'
chat_number_lt = list(set(re.findall(re_links, self.body)))
chat_number_lt = [e for e in chat_number_lt if e != '']