Как выбрать или создать инструмент для извлечения логина, пароля, емейла из текстов разной структуры?

Question

[OlenaKarelina]

Нужно выбрать или создать инструмент для извлечения из текстов разной структуры (таких как парсинг Telegram-каналов, парсинг Twitter-страниц, слитые на хакерские форумы базы данных и прочее) логинов, паролей, емейлов.
Ясно, что можно использовать регулярные выражения. Но для текстов из разных источников регулярные выражения будут разными и при появлении нового источника нужно будет для него писать регулярное выражение. Стоит задача создать или найти такой метод искусственного интеллекта, которые бы распознавал и извлекал названную информацию из текстов разной структуры.
Напишите, пожалуйста, каковы подходы к решению такой задачи? А возможно, она уже решена в каком-то приложении...

Comments

[Владимир Коротенко]

Я в случае нечетких адресов пошел по пути уточнения. Пример реализации тут https://github.com/vkorotenko/NAddressParser

Но у меня мощная поддержка в виде существующих адресов.

Регулярки тут не катят, от слова вообще

[Andrew Nodermann]

NLTK — популярная библиотека для python

Answer 1

[Stalker_RED]

Информационный поиск, как подраздел анализа естественного языка - тема большая и сложная, по ней куча учебников и научных работ. У яндекса часть нароаботок в опенсорце, можете посмотреть, и определите в какую сторону копать.
https://habr.com/ru/company/yandex/blog/219311/

Answer 2

[Andrew Nodermann]

Регулярные выражения вполне подходят, нужно уметь ими пользоваться.

Answer 3

[Developer]

Для начала дайте ссылки на примеры таких телеграм каналов с такой информацией, чтобы понимать с какими данными надо работать

Comments

[OlenaKarelina]

Спасибо за важное замечание. Вот примеры каналов:
https://t.me/joinchat/HfeYKEYN_zG4d5fBHvDtkw
https://t.me/DoomedChat