python正则表达式提取电话号码_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：