zxcvbnm,./管理复杂的正则表达式

python官方文档

• 正则表达式很好，如果您需要匹配的文本模式很简单。但匹配复杂的文本模式可能需要长而复杂的正则表达式。您可以通过告诉re.compile（）函数来忽略正则表达式字符串中的空格和注释来减轻这一点。可以通过将变量re.VERBOSE作为第二个参数传递给re.compile（）来启用此“详细模式”。
  而不是像这样的难以阅读的正则表达式：

phoneRegex = re.compile(r'((\d{3}|\(\d{3}\))?(\s|-|\.)?\d{3}(\s|-|\.)\d{4}
(\s*(ext|x|ext.)\s*\d{2,5})?)')

phoneRegex = re.compile(r'''(
    (\d{3}|\(\d{3}\))?            # area code
    (\s|-|\.)?                    # separator
    \d{3}                         # first 3 digits
    (\s|-|\.)                     # separator
    \d{4}                         # last 4 digits
    (\s*(ext|x|ext.)\s*\d{2,5})?  # extension
    )''', re.VERBOSE)

• 请注意上一个示例如何使用三重引用语法（'''）来创建多行字符串，以便您可以将正则表达式定义扩展到多行，从而使其更加清晰。

组合reignignecase，re.DOTALL和re.VERBOSE

• 如果要使用re.VERBOSE在正则表达式中写入注释，而且还要使用re.IGNORECASE忽略大小写，该怎么办？不幸的是，re.compile（）函数只需要一个值作为第二个参数。您可以通过使用管道字符（|）组合re.IGNORECASE，re.DOTALL和re.VERBOSE变量来解决此限制，在此上下文中称为按位或运算符。

• 因此，如果您想要一个不区分大小写的正则表达式，并且包含匹配点字符的换行符，则将形成如下所示的re.compile（）调用：

someRegexValue = re.compile('foo', re.IGNORECASE | re.DOTALL)

• 第二个参数的所有三个选项将如下所示：

someRegexValue = re.compile('foo', re.IGNORECASE | re.DOTALL | re.VERBOSE)

项目：电话号码和电子邮件地址提取器

• 假设你有一个无聊的任务，找到一个长的网页或文档中的每个电话号码和电子邮件地址。如果您手动浏览页面，您可能会最终搜索很长一段时间。但是，如果您有一个程序可以在剪贴板中搜索电话号码和电子邮件地址的文本，您可以简单地按CTRL-A选择所有文本，按CTRL-C将其复制到剪贴板，然后运行程序。它可以只用电话号码和电子邮件地址替换剪贴板上的文本。

• 每当你处理一个新的项目时，都可能很容易潜入编写代码。但是，通常情况下，最好退后一步，考虑更大的图景。我建议先制定一个高级别的计划，以便您的程序需要做什么。不要考虑实际的代码

• 例如，您的手机和电子邮件地址提取器将需要执行以下操作：

• • 将文本从剪贴板中取出。
• • 查找文字中的所有电话号码和电子邮件地址。
• • 将它们粘贴到剪贴板上。

• 现在，您可以开始考虑如何在代码中工作。代码将需要执行以下操作：

• • 使用pyperclip模块复制和粘贴字符串。
• • 创建两个正则表达式，一个用于匹配电话号码，另一个用于匹配电子邮件地址。
• • 查找所有匹配，而不仅仅是两个正则表达式的匹配。
• • 将匹配的字符串整齐地格式化为单个字符串以进行粘贴。
• • 如果文本中没有匹配,显示某些信息.

• 该列表就像项目的路线图。在编写代码时，您可以单独关注这些步骤。每一步都是相当可管理的，并且表达了你已经知道如何在Python中做的事情。

步骤1：创建电话号码的正则表达式

#! python3
# phoneAndEmail.py - Finds phone numbers and email addresses on the clipboard.
import pyperclip, re
phoneRegex = re.compile(r'''(
    (\d{3}|\(\d{3}\))?                # area code
    (\s|-|\.)?                        # separator
    (\d{3})                           # first 3 digits
    (\s|-|\.)                         # separator
    (\d{4})                           # last 4 digits
    (\s*(ext|x|ext.)\s*(\d{2,5}))?    # extension
    )''', re.VERBOSE)
#  创建电子邮件正则表达式。
#  在剪贴板文本中查找匹配。
#  将结果复制到剪贴板

• 电话号码以可选的区号开始，所以区号代码组后跟一个问号。由于区域代码只能是三位数（即\ d {3}）或括号内的三位数字（即\（\ d {3} \））），因此您应该有一个连接这些部分的管道。您可以添加正则表达式注释
• 电话号码分隔符可以是空格（\ s），连字符（ - ）或句点（。），所以这些部分也应连接起来。正则表达式的下几个部分是简单的：三位数，后跟另一个分隔符，后跟四位数。最后一部分是可选的扩展名，由任意数量的空格组成，后跟ext，x或ext，后跟两位数到五位数。