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.')