adresses e-mail Match qui ne figurent pas dans la balise HTML

Question

je dois souligner une adresse e-mail dans le texte, mais pas les mettre en évidence si contenu dans les balises HTML, le contenu ou les attributs.

Par exemple, la chaîne example@example.com doit être converti en <a href="mailto:example@example.com">example@example.com</a>

Mais adresses e-mail dans la chaîne <a href="mailto:example@example.com">example@example.com</a> ne doit pas être traitée.

J'ai essayé quelque chose comme ça regexp:

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

mais il ne fonctionne pas correctement.

Answer 1

Je suppose que votre texte source est un fichier HTML qui manque les balises d'ancrage pour seulement quelques-unes des adresses e-contenaient courriel. Si cela est vrai, vous ne pourrez pas utiliser une expression rationnelle pour correspondre de manière fiable uniquement aux adresses de messagerie non étiquetées. Par exemple, compte tenu de l'entrée:

... 
<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> 
... 

il devient impossible d'associer lexicalement l'href à l'adresse et également exclure an@sign.org. Vous devez utiliser un analyseur HTML; BeautifulSoup est très populaire.