【卷一】正则三 之数据生成器

说是数据生成器，其实没那么高端啦，就是随机生成一些带时间的邮箱而已，

这是后面我们用来练习的，在这里我们先提前把它解决掉!

参考: 《Python核心编程(3rd)》—P34、P40

 

# coding: utf-8

# 导入相应的模块并命名为lc
from string import ascii_lowercase as lc
from random import choice, randrange
from time import ctime
from sys import maxint

在开始主题前先介绍下上述这些模块, 前方高能！！

# ascii_lowercase是26个小写字母, 相应的, ascii_uppercase就是26个大写字母
# 这里lc相当是ascii_lowercase的变量名
print lc

print "-" * 45
# choice是从lc中随机抽1个字母，这里重复五次(用for语句),[]表示把结果弄成列表
print [choice(lc) for i in range(5)]
# randrange(5, 11)是从5~10中随机取1个数, 我们把随机取数重复5次, 并弄成列表
print [randrange(5, 11) for i in range(5)]

print "-" * 45
# maxint是一个十位数
print maxint
# 从0~maxint中取随机一个数, 重复该过程5次, 并弄成列表 
print [randrange(maxint) for i in range(5)]

print "-" * 45
# time.ctime()函数把整数转换为日期, 从1970年1月1日格林威治时间的午夜开始, 然而我的是儿童节的八点开始
# 1970年6月1日早上八点的0秒
print ctime(0)
# 1970年6月1日早上八点过了120秒/2分钟
print ctime(120)
# 从maxint这个十位数中随机取一个数, 并用time.ctime()转换为日期
print ctime(randrange(maxint))

OK— 简介完毕，正式切入主题!!! —KO

# coding: utf-8

from random import choice, randrange
# 把我们导入的模块命名为lc, 调用时就不用输入ascii_lowercase这么长的名字了
from string import ascii_lowercase as lc
from sys import maxint
from time import ctime

# tlds 是高级域名的意思，一般是专门的机构在用的
tlds = ("com", "edu", "gov", "net", "org")

for i in range(randrange(5, 11)):
    len_time = randrange(maxint)
    time = ctime(len_time)
    # login: 登录名, 给它设置4~7个字符
    login = "".join(choice(lc) for i in range(randrange(4, 8)))
    # domain: 域名, 给它设置4~12个字符
    domain = "".join(choice(lc) for i in range(randrange(4, 13)))
    tld = choice(tlds)
    print "%s::%s@%s.%s::%d-%d-%d" % (time, login, domain, tld, len_time, len(login), len(domain))

----------------------------------------------------------------------------------------------------

 

下面就是针对上面的数据生成器所做的一些练习

1-19 提取每行中完整的时间戳(假设我们把数据储存在1.txt这个文本中)

# coding: utf-8

import re

f = open("1.txt")
content = f.read()

for eachline in content.split("\n"):
    print re.findall(r"(.+\d):", eachline)

 

1-20 提取每行中完整的电子邮件地址(接上面的代码)

# 下面打’#‘的是方法2
print re.findall(r"\w+@\w+.\w+", eachline)
# print re.findall(r"::(\.+)::)", eachline)

1-21 仅仅提取时间戳中的月份

print re.findall(r" ([A-Z]\w+)")  # 注意引号后面, 括号前面的空格 

1-22 仅仅提取时间戳中的年份

print re.findall(r"(\d+):", eachline)

1-23 仅仅提取时间戳中的时间(HH:MM:SS)

print re.findall(r"\d+:\d+:\d+", eachline)

1-24 仅仅从电子邮件地址中提取登录名和域名(25重复)

print re.findall(r"(\w+)@(\w+.\w+)", eachline)

1-26 使用你的电子邮件地址替换每一行数据中的电子邮件地址

print re.sub(r"::(.+)::", eachline)

1-27 从时间戳中提取月，日，年

print re.findall(r"(\w+ \d+) .+ (\d+)", eachline)