---第七章 正則實例&正則貪心&匹配電話號碼和郵箱

第七章先經過字符串查找電話號碼，比較了是否使用正則表達式程序的差別，明顯正則寫法更爲簡潔、易擴展。
模式：3 個數字，一個短橫線，3個數字，一個短橫線，再是4 個數字。例如：415-555-4242

 1 import re
 2 '''
 3 不用正則查找模式，匹配3個數字，1個短橫線，3個數字，1個短橫線，4個數字
 4 ex. 111-222-3334
 5 '''
 6 
 7 def isPhoneNo(text):
 8     if len(text) != 12:
 9         return False
10     for i in range(0,3):
11         if not text[i].isdecimal():
12             return False
13     if text[3] != '-':
14         return False
15     for i in range(4,7):
16         if not text[i].isdecimal():
17             return False
18     if text[7] != '-':
19         return False
20     for i in range(8,12):
21         if not text[i].isdecimal():
22             return False
23     return True
24 
25 '''
26 用正則表達式匹配上述模式
27 '''
28 def regPhoneNo(text):
29     phoneNoReg=re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')
30     res=phoneNoReg.search(text)
31     if res != None:
32         print('phone No find by reg: '+ res.group())
33 
34 print(isPhoneNo('123-122-9090'))
35 print(isPhoneNo('1234123321'))
36 msg = 'call me at 415-443-1111 tomorrow. 415-443-2222 is my office'
37 for i in range(len(msg)):
38     tmp = msg[i:i+12]
39     if isPhoneNo(tmp):
40         print('phone No find: ' + tmp)
41     regPhoneNo(tmp)
42 print('msg find end')

View Code

 

Python 的正則表達式默認是「貪心」的，這表示在有二義的狀況下，它們會盡量匹配最長的字符串。

花括號的「非貪心」版本匹配儘量最短的字符串，即在結束的花括號後跟着一個問號

實例：

'''
例子說明Python的貪心和非貪心匹配結果
'''
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()

View Code

 

第7章的項目爲電話號碼和郵箱的正則提取，剪切板部分此處省略。

 1 import pyperclip, re
 2 phoneReg=re.compile(r'''(
 3 (\d{3}|\(\d{3}\))?   #area code
 4 (\s|-|\.)?     #separator
 5 (\d{3})    #first 3 digits
 6 (\s|-|\.)?     #separator
 7 (\d{4})    #last 4 digits
 8 (\s*(ext|x|ext.)\s*(\d{2,5}))?
 9 )''', re.VERBOSE
10     )
11 
12 emailReg=re.compile(r'''(
13 [a-zA-Z0-9_-]+    #username
14 @    #@
15 [a-zA-Z0-9_-]+    #domain name
16 (\.[a-zA-Z]{2,4})
17 )''', re.VERBOSE
18     )

View Code

電話號碼從一個「可選的」區號開始，因此區號分組跟着一個問號。

由於區號可能只是3 個數字（即\d{3}），或括號中的3 個數字（即\(\d{3}\)），因此應該用管道符號鏈接這兩部分。

能夠對這部分多行字符串加上正則表達式註釋# Area code，幫助你記憶(\d{3}|\(\d{3}\))?要匹配的是什麼。
電話號碼分割字符能夠是空格（\s）、短橫（-）或句點（.），因此這些部分也應該用管道鏈接。

這個正則表達式接下來的幾部分很簡單：3 個數字，接下來是另外一個分割符，接下來是4 個數字。

最後的部分是可選的分機號，包括任意數目的空格，
接着ext、x 或ext.，再接着2 到5 位數字。

 

E-mail 地址的用戶名部分是一個或多個字符，字符能夠包括：小寫和大寫字母、數字、句點、下劃線、百分號、加號或短橫。

能夠將全部這些放入一個字符分類：[a-zA-Z0-9._%+-]。
域名和用戶名用@符號分割，域名容許的字符分類要少一些，只容許字母、數字、句點和短橫：[a-zA-Z0-9.-]。

最後是「dot-com」部分（技術上稱爲「頂級域名」），它實際上能夠是「dot-anything」。它有2 到4 個字符。

re.VERBOSE，忽略正則表達式字符串中的空白符和註釋

至此，第七章內容結束，實踐項目 強口令檢測 見下期博客