Sobre a sua regex:
^[\w-]+@ [a-z\d]+\.[\w]{3}
Não sei se foi erro de digitação, mas veja que tem um espaço depois do @
. Isso faz com que a expressão só valide emails que tem um espaço ali (como user@ email.com
). Então a primeira coisa a fazer é retirar esse espaço.
Outro detalhe é que atalho \w
corresponde a letras, números e o caractere _
. E no Python 3, por padrão, ele também corresponde a outras letras definidas no Unicode, como caracteres japoneses (e de vários outros idiomas), por exemplo:
import re
print(re.match(r'\w+', '鳥山.').group()) # imprime 鳥山
Se só quiser as letras do nosso alfabeto, pode usar a flag ASCII
, ou simplesmente use [a-zA-Z0-9]
no lugar do \w
:
# ambos imprimem "None", pois não encontram mais nenhum match
print(re.match(r'\w+', '鳥山.', flags=re.ASCII))
print(re.match(r'[a-zA-Z0-9]+', '鳥山.'))
Outro detalhe é que você usou [\w-]+
, que significa "uma ou mais ocorrências de um \w
ou um -
". E como \w
também inclui o caractere _
, isso quer dizer que a regex vai aceitar emails como [email protected]
.
Por fim, a parte depois da @
termina com \.[\w]{3}
. Antes de mais nada, [\w]
é redundante, pois \w
já representa um conjunto específico de caracteres, e colocá-lo entre colchetes é redundante (só faz sentido se você quiser colocar outras coisas junto com o \w
, como você fez com [\w-]
). Então pode trocar para simplesmente \w{3}
.
Mas isso só vai aceitar domínios com exatamente 3 letras (excluindo o .io
, .br
, .info
, entre muitos outros). E como \w
também aceita números e _
, esta regex aceita emails como user@teste._1_
. Sem contar que não aceita emails que terminem com com.br
, por exemplo.
Então você pode trocar tudo depois da @
para algo como (?:[a-zA-Z0-9-]+\.)+[a-zA-Z]{2,}
. Os parênteses (?:
e )
formam um grupo de não-captura. Basicamente estou agrupando a sub-expressão dentro deles, e o ?:
diz para a engine de regex não guardar o que for capturado (se não usar o ?:
, o que está entre parênteses é internamente guardado e pode ser obtido do match depois - mas como não quero isso, posso indicar na própria regex usando o ?:
).
O trecho acima garante que [a-zA-Z0-9-]+\.
(letras, números ou -
seguidos de um ponto), se repete por uma ou mais vezes (indicado pelo +
depois dos parênteses). Isso garante que podemos ter emails .com.br
, .abc.def.etc.com
e por aí vai.
Por fim, temos 2 ou mais letras ([a-zA-Z]{2,}
), o que garante que os domínios .br
e .info
(e qualquer outro, desde que tenha pelo menos duas letras) sejam aceitos.
Outra coisa que eu faria é acrescentar o marcador $
, que delimita o final da string. Você já usou ^
(início da string), então usá-lo juntamente com $
garante que toda a string terá somente o que está na expressão, e nada mais.
Enfim, fazer uma regex que valide corretamente 100% dos emails válidos é bem complicado. Veja este artigo, por exemplo, que começa com algo não muito complicado e termina com uma regex monstruosa.
Cabe a você decidir o quão complicada vai ser sua regex, pois quanto mais precisa (quanto mais casos especiais ela suporta), mais complicada e difícil de entender e manter ela vai ficando. Mas se há casos especiais que você não quer tratar (como endereços IP no domínio, ou user@localhost
, por exemplo), então não compensa fazer algo tão complicado. Ache o equilíbrio entre a exatidão, complexidade e praticidade (e isso varia de um caso para outro).
Eu falo um pouco mais o uso de regex para validar emails aqui, aqui e aqui (este último tem algumas opções no final, só não recomendo a última).
Independente da regex que você escolher, a verificação/filtro/ordenação pode ser feita assim:
import re
r = re.compile(r'^[\w-]+@(?:[a-zA-Z0-9-]+\.)+[a-zA-Z]{2,}$')
emails = ['[email protected]', 'nao sou email', '[email protected]']
# filtra e ordena
filtered_emails = sorted(email for email in emails if r.match(email))
print(filtered_emails)
Usei a sintaxe de list comprehension, bem mais sucinta e pythônica.
A linha que cria filtered_emails
é equivalente a:
filtered_emails = []
for email in emails:
if r.match(email):
filtered_emails.append(email)
filtered_emails.sort()
Em ambos os casos, a lista resultante é:
['[email protected]', '[email protected]']
Para ler a quantidade, sugiro validar se o que foi digitado é mesmo um número. Se não for, peça que o usuário tente novamente (encapsulei isso em uma função).
Por fim, também uso uma list comprehension para ler os emails e já colocá-los em uma lista.
O código completo:
import re
def le_quantidade():
while True:
try:
return int(input('quantidade de emails:'))
except ValueError:
# se não digitar um número, int() lança um ValueError
print('Digite um número válido')
n = le_quantidade()
# lê os emails e coloca em uma lista
emails = [input('Digite um email:') for _ in range(n)]
r = re.compile(r'^[\w-]+@(?:[a-zA-Z0-9-]+\.)+[a-zA-Z]{2,}$')
# filtra e ordena
filtered_emails = sorted(email for email in emails if r.match(email))
print(filtered_emails)
{}
para formatar preservando a identação.