python练习——模式匹配与正则表达式

正则表达式

正则表达式，简称为regex，是文本模式的描述方法。例如，\d是一个正则表达式，表示一位数字. 摘自《python编程快速上手》

创建正则表达式对象

import re

所有正则表达式函数都在re模块中。使用re.compile()传入字符串，返回值是一个Regex对象。Regex对象使用search()方法匹配文本，返回一个Match()对象，Match对象有一个group()方法，返回被查找的字符串中的实际字符。假如有分组，可以使用group()方法获取所有的分组。

匹配规则

• “ | ” 被称为管道，希望匹配多个表达式中一个时可以使用。
• 利用findall()方法，找到所有匹配的地方。返回的是字符串列表
• ？表示匹配这个问号之前的分组零次或一次
• *意味着匹配零次或多次
• +意味着匹配一次或多次
• {}指明匹配的次数，{3，5}表明匹配3、4、5个实例。

字符分类

字符	表示
\d	0~9任意数字
\D	除了0~9之外的任何字符
\w	任何字母、数字或者下划线（可以理解为匹配单词）
\W	除了任何字母、数字或者下划线
\s	空格、制表符和换行符
\S	除了空格、制表符和换行符

插入字符和美元字符【可以理解为限制首尾】

^插入字符表明必须发生在被查找文本开始处
$美元字符表示该字符串必须以这个正则表达式的模式结束

通配字符

.称为“通配符”，匹配除了换行符之外的所有字符。
向re.compile（）中传入第二个参数re.DOTALL，可让. 匹配包括换行符之内的所有字符。

不区分大小写

re.compile( , re.I)或者是re.compile( , re.IGNOGECASE)

项目实战

在一篇网页或文章中，找到所有电话号码和邮件地址，有一个程序可以在剪贴板文本中查找电话和Email地址，只需要CTRL+A然后CTRL+C，然后运行程序，就会用找到电话号码和Email地址，替换掉剪贴板中的文本

分析

• 从剪贴板中获取文本
• 找到文本中的电话和Email
• 粘贴掉剪贴板

行动方案

使用pyperclip模块复制和粘贴字符串
创建两个正则表达式
对两个正则表达式，找到所有匹配
将匹配好的字符串整理好格式，放在一个字符串中，用于粘贴
如果找不到，显示提示

项目代码：

import pyperclip,re

# 电话号码有12~15位，中间可能有分隔符
phoneRegex = re.compile(r'''(
    \d{3}|(\d{3}\))?    #区号
    (\s|-|.)?
    (\d{3})
    (\s|-|.)
    (\d{4})
    (\s*(ext|x|ext.)\s*(\d{2,5}))?
)''', re.VERBOSE)

emailRegex = re.compile(r'''
    [a-zA-z0-9._%+-]+   #用户名
    @
    [a-zA-z0-9.-]+      #域名
    (\.[a-zA-Z]{2,4})   #有一些可能会有顶级域名
''', re.VERBOSE)

# 在剪贴板中找到匹配
text = str(pyperclip.paste)
matches = []
for groups in phoneRegex.findall(text):
    # 1.3.5.8分别是区号，前3个数字，后4个数字和区号
    phoneNum = '_'.join([groups[1],groups[3],groups[5]])
    if groups[8] != '':
        phoneNum += ' X' + groups[8]
    matches.append(phoneNum)
for groups in emailRegex.findall(text):
    matches.append(groups[0])

# 将所有匹配连接成一个字符串，复制到粘贴板
if len(matches)>0 :
    pyperclip.copy('\n'.join(matches))
    print("粘贴板的粘贴：")
    print('\n'.join(matches))
else:
    print('没有找到电话号码或者Email')