<automate the boring stuff with python>---第七章 正则实例&正则贪心&匹配电话号码和邮箱
第七章先通过字符串查找电话号码,比较了是否使用正则表达式程序的差异,明显正则写法更为简洁、易扩展。
模式:3 个数字,一个短横线,3个数字,一个短横线,再是4 个数字。例如:415-555-4242
import re
'''
不用正则查找模式,匹配3个数字,1个短横线,3个数字,1个短横线,4个数字
ex. 111-222-3334
''' def isPhoneNo(text):
if len(text) != 12:
return False
for i in range(0,3):
if not text[i].isdecimal():
return False
if text[3] != '-':
return False
for i in range(4,7):
if not text[i].isdecimal():
return False
if text[7] != '-':
return False
for i in range(8,12):
if not text[i].isdecimal():
return False
return True '''
用正则表达式匹配上述模式
'''
def regPhoneNo(text):
phoneNoReg=re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')
res=phoneNoReg.search(text)
if res != None:
print('phone No find by reg: '+ res.group()) print(isPhoneNo('123-122-9090'))
print(isPhoneNo(''))
msg = 'call me at 415-443-1111 tomorrow. 415-443-2222 is my office'
for i in range(len(msg)):
tmp = msg[i:i+12]
if isPhoneNo(tmp):
print('phone No find: ' + tmp)
regPhoneNo(tmp)
print('msg find end')
Python 的正则表达式默认是“贪心”的,这表示在有二义的情况下,它们会尽可能匹配最长的字符串。
花括号的“非贪心”版本匹配尽可能最短的字符串,即在结束的花括号后跟着一个问号
实例:
'''
例子说明Python的贪心和非贪心匹配结果
'''
def showGreedReg():
greedReg=re.compile(r'(ha){3,5}')
nonGreedReg=re.compile(r'(ha){3,5}?')
inp='hahahahahah'
r1=greedReg.search(inp)
r2=nonGreedReg.search(inp)
print('greed reg res: '+r1.group())
print('nongreed reg res: '+r2.group()) showGreedReg()
第7章的项目为电话号码和邮箱的正则提取,剪切板部分此处省略。
import pyperclip, re
phoneReg=re.compile(r'''(
(\d{3}|\(\d{3}\))? #area code
(\s|-|\.)? #separator
(\d{3}) #first 3 digits
(\s|-|\.)? #separator
(\d{4}) #last 4 digits
(\s*(ext|x|ext.)\s*(\d{2,5}))?
)''', re.VERBOSE
) emailReg=re.compile(r'''(
[a-zA-Z0-9_-]+ #username
@ #@
[a-zA-Z0-9_-]+ #domain name
(\.[a-zA-Z]{2,4})
)''', re.VERBOSE
)
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。
可以对这部分多行字符串加上正则表达式注释# Area code,帮助你记忆(\d{3}|\(\d{3}\))?要匹配的是什么。
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。
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。
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。
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._%+-]。
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.-]。
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。
re.VERBOSE,忽略正则表达式字符串中的空白符和注释
至此,第七章内容结束,实践项目 强口令检测 见下期博客
最新文章
- 2013年度IT博客大赛跻身10强
- mac(linux) 上如何安装ant
- 用命令实现SQLServerr的备份与还原
- git -- 如何解决冲突
- 下面就介绍下Android NDK的入门学习过程(转)
- C#中多线程写DataGridView出现滚动条导致程序卡死(无响应)的解决办法
- Linux内核源代码解析之——我与神童聊Linux内核
- Python filter用法
- python模块:shelve
- vector作为函数返回值
- graph engine
- ESAPI学习笔记
- Go语言学习之4 递归&;闭包&;数组切片&;map&;锁
- MATLAB单步调试
- 安装和使用solr
- [py]flask实现用户cmdb
- vscode使用集
- 36、IO流概述和分类
- 老三星手机i9001刷机记录
- 【Machine Learning】决策树之简介(1)