[Python知识库]Python:模式匹配与正则表达式(三)

目录

前言

1、项目内容

2、实际步骤

2.1为电话号码创建一个正则表达式

2.2为E-mail地址创建一个正则表达式

2.3在剪贴板文本中找到所有匹配

2.4所有匹配连接成一个字符串，复制到剪贴板

2.5运行这个程序

2.6类似程序的构想

2.7小结

前言

本文内容及代码源自《Python编程快速上手—让繁琐工作自动化》，目的在于记录学习过程及内容，方便后续查看，接着学习模式匹配与正则表达式的内容。

这一部分将通过一个项目实战来巩固之前所学习的正则表达式知识。

1、项目内容

在一篇长的网页或文章中，找出所有电话号码和邮件地址。

希望通过程序，在剪贴板的文本中查找电话号码和E-mail地址，那么只需要Ctrl-A选择所有文本，按下Ctrl-C将它复制到剪贴板，然后运行程序，它就会用找到的电话号码和E-mail地址，替换掉剪切板的文本。

电话号码和E-mail地址提取程序需要完成以下任务：

• 从剪贴板取得文本。
• 找出文本中所有的电话号码和E-mail地址。
• 将它们粘贴到剪贴板。

代码需要完成的工作：

• 使用pyperclip模块复制和粘贴匹配字符串。
• 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。
• 对两个正则表达式，找出所有的匹配，而不只是第一次匹配。
• 将匹配的字符串整理好格式，放在一个字符串中，用于粘贴。
• 如果文本没有找到匹配，显示某种消息。

2、实际步骤

2.1为电话号码创建一个正则表达式

1. 电话号码从一个“可选的”区号开始，所以区号分组跟着一个问号。因为区号可能只是 3 个数字（即\d{3}），或括号中的 3 个数字（即\(\d{3}\)），所以应该用管道符号连接这两部分。
2. 电话号码分割字符可以是空格（\s）、短横（-）或句点（.），所以这些部分也应该用管道连接。
3. 这个正则表达式接下来的几部分很简单：3 个数字，接下来是另一个分割符，接下来是 4 个数字。
4. 最后的部分是可选的分机号，包括任意数目的空格，接着 ext、x 或 ext.，再接着 2 到 5 位数字。

#为电话号码创建一个正则表达式
phoneRegex = re.compile(r'''(
 (\d{3}|\(\d{3}\))? # 区号
 (\s|-|\.)? # 电话号码分隔符
 (\d{3}) # 前3位数字
 (\s|-|\.) # 分隔符
 (\d{4}) # 后4个数字
 (\s*(ext|x|ext.)\s*(\d{2,5}))? # 可选的分机号
 )''', re.VERBOSE)

2.2为E-mail地址创建一个正则表达式

1. E-mail 地址的用户名部分是一个或多个字符，字符可以包括：小写和大写字母、数字、句点、下划线、百分号、加号或短横。可以将所有这些放入一个字符分类：[a-zA-Z0-9._%+-]
2. 域名和用户名用@符号分割，域名允许的字符分类要少一些，只允许字母、数字、句点和短横：[a-zA-Z0-9.-]。
3. 最后是“dot-com”部分（技术上称为“顶级域名”），它实际上可以是“dot-anything”。它有 2 到 4 个字符。
4. E-mail 地址的格式有许多奇怪的规则。这个正则表达式不会匹配所有可能的、有效的 E-mail 地址，但它会匹配遇到的大多数典型的电子邮件地址。

#为 E-mail 地址创建一个正则表达式
emailRegex = re.compile(r'''(
    [a-zA-Z0-9._%+-]+ # 用户名
    @ # @ 符号
    [a-zA-Z0-9.-]+ # 域名
    (\.[a-zA-Z]{2,4}) # 顶级域名 
    )''', re.VERBOSE)

2.3在剪贴板文本中找到所有匹配

• 前文已经指定了电话号码和电子邮件地址的正则表达式，就可以让 Python 的 re 模块做辛苦的工作，查找剪贴板文本中所有的匹配。
• pyperclip.paste()函数将取得一个字符串，内容是剪贴板上的文本。
• findall() 正则表达式方法将返回一个元组的列表。
• 每个匹配对应一个元组，每个元组包含正则表达式中每个分组的字符串。

#在剪贴板文本中找到所有匹配
text = str(pyperclip.paste())
matches = []
#将所有的电话号码匹配保存在matches中
for groups in phoneRegex.findall(text):
    #把电话号码统一成唯一的、标准的格式
    phoneNum = '-'.join([groups[1],groups[3],groups[5]])
    if groups[8] != '':
        phoneNum += ' x'+groups[8]
        matches.append(phoneNum)
#将所有的E-mail地址匹配保存在matches中
for groups in emailRegex.findall(text):
    matches.append(groups[0])

#所有匹配连接成一个字符串，复制到剪贴板
if len(matches) > 0:
    pyperclip.copy('\n'.join(matches))
    print('Copied to clipboard:')
    print('n'.join(matches))
else:
    print('No phone numbers or email addresses found.')

import re
import pyperclip

#为电话号码创建一个正则表达式
phoneRegex = re.compile(r'''(
 (\d{3}|\(\d{3}\))? # 区号
 (\s|-|\.)? # 电话号码分隔符
 (\d{3}) # 前3位数字
 (\s|-|\.) # 分隔符
 (\d{4}) # 后4个数字
 (\s*(ext|x|ext.)\s*(\d{2,5}))? # 可选的分机号
 )''', re.VERBOSE)

#为 E-mail 地址创建一个正则表达式
emailRegex = re.compile(r'''(
    [a-zA-Z0-9._%+-]+ # 用户名
    @ # @ 符号
    [a-zA-Z0-9.-]+ # 域名
    (\.[a-zA-Z]{2,4}) # 顶级域名 
    )''', re.VERBOSE)

#在剪贴板文本中找到所有匹配
text = str(pyperclip.paste())
matches = []
#将所有的电话号码匹配保存在matches中
for groups in phoneRegex.findall(text):
    #把电话号码统一成唯一的、标准的格式
    phoneNum = '-'.join([groups[1],groups[3],groups[5]])
    if groups[8] != '':
        phoneNum += ' x'+groups[8]
        matches.append(phoneNum)
#将所有的E-mail地址匹配保存在matches中
for groups in emailRegex.findall(text):
    matches.append(groups[0])

#所有匹配连接成一个字符串，复制到剪贴板
if len(matches) > 0:
    pyperclip.copy('\n'.join(matches))
    print('Copied to clipboard:')
    print('n'.join(matches))
else:
    print('No phone numbers or email addresses found.')

?