Python 实现电话号码和Email地址提取程序

Python 实现电话号码和Email地址提取程序

背景

在日常工作或学习中，我们经常需要从网页或文档中提取信息，比如电话号码和E-mail地址。手动查找和提取这些信息可能会耗费大量时间，而自动化工具可以帮助我们快速完成这个任务。

本篇博客将带你一步步实现一个程序，从剪贴板中提取所有电话号码和E-mail地址，并将它们整理后再复制到剪贴板中。

任务目标

1. 从剪贴板取得文本。
2. 找出文本中的所有电话号码和E-mail地址。
3. 将它们粘贴到剪贴板，以便快速使用。

实现步骤

1. 安装依赖库

我们需要 pyperclip 库来实现从剪贴板复制和粘贴文本。如果你还没有安装 pyperclip，可以通过以下命令进行安装：

pip install pyperclip

2. 编写程序

接下来，我们将逐步实现该程序：

1. 使用 pyperclip 从剪贴板获取文本。
2. 编写两个正则表达式，一个匹配电话号码，另一个匹配 E-mail 地址。
3. 使用正则表达式提取所有匹配项。
4. 将提取到的电话号码和 E-mail 地址整理后粘贴到剪贴板。
5. 显示消息，提示用户结果。

3. Python 代码实现

import pyperclip
import re

# 1. 创建电话号码的正则表达式
phone_regex = re.compile(r'''(
    (\d{3}|\(\d{3}\))?              # 区号 (可选)
    (\s|-|\.)?                      # 分隔符 (可选)
    (\d{3})                         # 前三个数字
    (\s|-|\.)                       # 分隔符
    (\d{4})                         # 后四个数字
    (\s*(ext|x|ext.)\s*(\d{2,5}))?  # 分机号 (可选)
)''', re.VERBOSE)

# 2. 创建 E-mail 地址的正则表达式
email_regex = re.compile(r'''(
    [a-zA-Z0-9._%+-]+               # 用户名
    @                               # @ 符号
    [a-zA-Z0-9.-]+                  # 域名
    (\.[a-zA-Z]{2,4})               # 顶级域名
)''', re.VERBOSE)

# 3. 从剪贴板中获取文本
text = pyperclip.paste()

# 4. 在文本中找到所有电话号码和 E-mail 地址
matches = []

# 查找电话号码
for groups in phone_regex.findall(text):
    phone_num = '-'.join([groups[1], groups[3], groups[5]])
    if groups[8] != '':
        phone_num += f' ext{groups[8]}'
    matches.append(phone_num)

# 查找 E-mail 地址
for groups in email_regex.findall(text):
    matches.append(groups[0])

# 5. 如果找到了匹配项，就将它们复制到剪贴板
if matches:
    # 将结果整理成一个字符串，每行一个结果
    results = '\n'.join(matches)
    pyperclip.copy(results)
    print("已找到以下电话号码和E-mail地址，并复制到剪贴板：")
    print(results)
else:
    print("未找到任何电话号码或E-mail地址。")

4. 代码详细说明

• 正则表达式：

  • 电话号码正则表达式：
    • (\d{3}|\(\d{3}\))?：匹配可选的3位区号，允许括号表示法，如 (123)。
    • (\s|-|\.)?：匹配可选的分隔符，如空格、短横线或点号。
    • (\d{3}) 和 (\d{4})：匹配电话号码的前3位和后4位数字。
    • (ext|x|ext.)?：匹配可选的分机号，如 ext. 1234。
  • E-mail 地址正则表达式：
    • [a-zA-Z0-9._%+-]+：匹配用户名部分，支持字母、数字、点、下划线、百分号等。
    • @：匹配 @ 符号。
    • [a-zA-Z0-9.-]+：匹配域名。
    • (\.[a-zA-Z]{2,4})：匹配顶级域名，如 .com 或 .cn。

• pyperclip：

  • pyperclip.paste()：从剪贴板中获取文本。
  • pyperclip.copy()：将结果复制到剪贴板。

• 匹配过程：

  • 通过 phone_regex.findall(text) 和 email_regex.findall(text)，找到文本中的所有电话号码和 E-mail 地址。
  • 将所有匹配项整理成字符串，逐行输出并复制到剪贴板。

5. 程序运行示例

假设剪贴板内容如下：

Contact us at [phone] or 987-654-3210 ext. 123. 
You can also email [e-mail] or [e-mail].

程序输出：

已找到以下电话号码和E-mail地址，并复制到剪贴板：
123-456-7890
987-654-3210 ext123
[e-mail]
[e-mail]

6. 未找到匹配时的提示

如果文本中没有电话号码或 E-mail 地址，程序将输出：

未找到任何电话号码或E-mail地址。

结论

通过 pyperclip 模块结合正则表达式，可以轻松实现从剪贴板中提取电话号码和 E-mail 地址的程序。这个小工具可以广泛应用于信息采集、数据整理等场景，极大提升工作效率。在实际使用中，你可以根据需要对正则表达式进行扩展，以适应更多格式的电话号码和 E-mail 地址。