Python学习笔模式匹配与正则表达式之电话号码和Email地址提取程序

随笔记录方便自己和同路人查阅。

#------------------------------------------------我是可耻的分割线-------------------------------------------

  假设你有一个无聊的任务,要在一篇长的网页或文章中,找出所有电话号码和邮件地址。如果手动翻页,可能需要查找很长时间。

如果有一个程序,可以在剪贴板的文本中查找电话号码和 E-mail 地址,那你就只要按一下 Ctrl-A 选择所有文本,按下 Ctrl-C 将它复

制到剪贴板,然后运行你的程序。它会用找到的电话号码和 E-mail地址,替换掉剪贴板中的文本。当你开始接手一个新项目时,很容

易想要直接开始写代码。但更多的时候,最好是后退一步,考虑更大的图景。我建议先草拟高层次的计划,弄清楚程序需要做什么。

  暂时不要思考真正的代码,稍后再来考虑。现在,先关注大框架。例如,你的电话号码和 E-mail 地址提取程序需要完成以下任务:

  (1)从剪贴板取得文本。
  (2) 找出文本中所有的电话号码和 E-mail 地址。
  (3)将它们粘贴到剪贴板。
  (4)现在你可以开始思考,如何用代码来完成工作。代码需要做下面的事情:
  (5) 使用 pyperclip 模块复制和粘贴字符串。
  (6)创建两个正则表达式,一个匹配电话号码,另一个匹配 E-mail 地址。
  (7)对两个正则表达式,找到所有的匹配,而不只是第一次匹配。
  (8) 将匹配的字符串整理好格式,放在一个字符串中,用于粘贴。
  (9)如果文本中没有找到匹配,显示某种消息。
  这个列表就像项目的路线图。在编写代码时,可以独立地关注其中的每一步。每一步都很好管理。它的表达方式让你知道在 Python

中如何去做。

#------------------------------------------------我是可耻的分割线-------------------------------------------

  示例代码:

#! python 3
# -*- coding:utf-8 -*-
# Autor: Li Rong Yang
import re,pyperclip
#定义正则表达式,找出文本中所有的电话号码。
phoneRegex = re.compile(r'''(
#匹配区号,因为区号可能只是三位数字,也可能是括号中三位数字,所以使用?问号和管道匹配分组中的内容一次或零次
(\d{3}|\(\d{3}\))?
#匹配电话号码的连接符,因为区号与号码之间可能是字母也可能是短横线或者.点符号,所以把他们分在一个组用管道和问号匹配
(\s|-|\.)?
#匹配短横线后面的三位数字
(\d{3})
#匹配电话号码的连接符,因为区号与号码之间可能是字母也可能是短横线或者.点符号,所以把他们分在一个组用管道和问号匹配
(\s|-|\.)
#匹配四个数字
(\d{4}) 
#匹配分机号
(\s*(ext|x|ext.)\s*(\d{2,5}))?
)''', re.VERBOSE)
#定义正则表达式,找出文本中所有的E-mail 地址。
emailRegex = re.compile(r'''(
#创建自定义字符分类,匹配小写a到z、大写A到Z和数字0到9,后面可以有._%+-
[a-zA-Z0-9._%+-]+
#自定义字符分类后面是安特符号
@
#自定义字符分类,匹配写a到z、大写A到Z和数字0到9,后面可以有.-
[a-zA-Z0-9.-]+
#匹配分组,.点后面可以是任意大小写字母,可以有2到4个
(\.[a-zA-Z]{2,4})
)''',re.VERBOSE)

#从剪贴板取得文本。
text = str(pyperclip.paste())
#创建一个空列表,将所有的匹配保存在名为 matches 的列表变量中
matches = []
#循环匹配到的电话号码
for groups in phoneRegex.findall(text):
    #把匹配到的电话号码,区号、前三位数字、后四位数字转换为字符串,以断横杠分割
    phoneNum = '-'.join([groups[1],groups[3],groups[5]])
    #判断分机号是否不等于空
    if groups[8] != '':
        #电话号码中带有分机号时,在分机号前面加空格和大写X
        phoneNum += ' X'+groups[8]
    #把分机号追加到matches列表中
    matches.append(phoneNum)
#循环匹配到的email地址
for groups in emailRegex.findall(text):
    #分组0 匹配整个正则表达式,把email地址追加到matches列表中
    matches.append(groups[0])


if len(matches) > 0:
    # 将匹配的字符串整理好格式,放在一个字符串中,用于粘贴。
    pyperclip.copy('\n'.join(matches))
    print('Copied to clipboard:')
    # 打印放入粘贴版的内容。
    print('\n'.join(matches))
else:
    # 如果文本中没有找到匹配,显示某种消息。
    print('No phone numbers or email addresses found.')

  运行结果:

猜你喜欢

转载自www.cnblogs.com/lirongyang/p/9608804.html