Python高级编程–正则表达式（习题）

原文：http://start2join.me/python-regex-answer-20141030/

###########################################
#########Exercises after Chapter 15th ##########
###########################################

相关学习书籍：《Python核心编程》第十五章——正则表达式习题与答案。

正则表达式相关知识：

章节练习题及答案：
所有程序首行加入引入re模块代码：

import re

#15-1:识别下列字符串：bat、bit、but、hat、hit、或hut。

print('''

#15-1:识别下列字符串：bat、bit、but、hat、hit、或hut。

''')

strList = ['bat', 'bit', 'but', 'hat', 'hit', 'hut']

for c in strList:

    print (re.match(r'[bh][aiu]t', c).group())

#15-2:匹配用一个空格分隔的任意一对单词，比如名和姓。

print('''

#15-2:匹配用一个空格分隔的任意一对单词，比如名和姓。

''')

result = re.match(r'[A-Za-z]+\s[A-Za-z]+', 'Jim Green')

print(result.group())

#15-3:匹配用一个逗号和一个空格分开的一个单词和一个字母。例如英文人名中的姓和名的首字母。

print('''

#15-3:匹配用一个逗号和一个空格分开的一个单词和一个字母。

例如英文人名中的姓和名的首字母。

''')

result = re.match(r'([A-Za-z]\.)+?\s[A-Za-z]+', 'J. Green')

print(result.group())

#15-4:匹配所有合法的Python标识符。注：字母下划线打头，后面接任意数字字母和下划线

print('''

#15-4:匹配所有合法的Python标识符。

注：字母下划线打头，后面接任意数字字母和下划线

''')

valueList = ['10_mys', '_myValue09', 'Post99', \

             '*hahah', 'list@%']

for c in valueList:

    result = re.match(r'[a-zA-Z_][\w_]+$', c)

    if result:

        print(c+':'+result.group())

    else:

        print(c+':Illegal...')

#15-6:匹配简单的以www.开头以.com结尾的web域名。例如www.baidu.com。附加题：使你写的表达式还支持其他的顶级域名。如：.edu, .net等。

print('''

#15-6:匹配简单的以www.开头以.com结尾的web域名。例如www.baidu.com。

附加题：使你写的表达式还支持其他的顶级域名。如：.edu, .net等。

''')



comList = ['com', 'edu', 'net']



result = re.match(r'www.\w+.com', 'www.baidu.com')

print(result.group(0))

result = re.match(r'www[.\w]+', 'www.yahoo.net')

if result:

    print(result.group(0))

#15-7:匹配全体Python整形的字符串表示形式的集合

print('''

#15-7:匹配全体Python整形的字符串表示形式的集合

''')

result = re.match(r'\d+[Ll]?', '43545464')

print(result.group(0))

#15-8:匹配全体Python长整形的字符串表示形式的集合

print('''

#15-8:匹配全体Python长整形的字符串表示形式的集合

''')

result = re.match(r'\d+[Ll]', '43545464L')

print(result.group(0))

#15-9:匹配全体Python浮点形的字符串表示形式的集合

print('''

#15-9:匹配全体Python浮点形的字符串表示形式的集合

''')

result = re.match(r'\d+\.?\d+', '43545464.00001')

print(result.group(0))

#15-10:匹配全体Python复数形的字符串表示形式的集合

print('''

#15-10:匹配全体Python复数形的字符串表示形式的集合

''')

result = re.match(r'\d+\.?\d+\+\d+\.?\d+j', '4.5+0.1j')

print(result.group(0))

#15-11:匹配所有电子邮件的字符串表示形式的集合

print('''

#15-11:匹配所有电子邮件的字符串表示形式的集合

''')

result = re.match(r'\w+@(\w+\.)*\w+', 'jim@host.cool.com')

print(result.group(0))

#15-12:匹配所有web网站地址的字符串表示形式的集合

print('''

#15-12:匹配所有web网站地址的字符串表示形式的集合

''')

result = re.match(r'\w+(\w+\.)*\w+', 'www.host.cool.com')

print(result.group(0))

#15-13:匹配标准日历上的前9个月

print('''

#15-13:匹配标准日历上的前9个月

''')

result = re.match(r'0?[1-9]', '07')

print(result.group(0))

#15-14:匹配标准日历上的后三个月

print('''

#15-14:匹配标准日历上的后三个月

''')

result = re.match(r'1[0-2]', '11')

print(result.group(0))

#15-15:信用卡问题：15位信用卡的格式是4-6-5。16位的信用卡格式是4-4-4-4，位数不足则添0补充。

print('''

#15-15:信用卡问题：

15位信用卡的格式是4-6-5。

16位的信用卡格式是4-4-4-4，位数不足则添0补充。

''')

cardNo = '1321-1544-6511-0001'



result = re.findall(r'(\d)', cardNo)

if 16 == len(result):

    reResult = re.match(r'[\d]{4}-[\d]{4}-[\d]{4}-[\d]{4}', \

                       cardNo)

    if reResult:

        print('It is OK!')

    else:

        print('It is Illegal...')

elif 15 == len(result):

    reResult = re.match(r'[\d]{4}-[\d]{6}-[\d]{5}', cardNo)

    if reResult:

        print('It is OK!')

    else:

        print('It is Illegal...')

else:

    print('It is Illegal...')

#15-16:修改getdata.py，将生成的数据存入redate.txt中。

print('''

#15-16:修改getdata.py，将生成的数据存入redate.txt中。

''')

from random import randint, choice

import string

from time import ctime

lowercase = []

for c in 'abcdefghijklmnopqrstuvwxyz':

    lowercase.append(c)

maxint = 23554545646



doms = ('com', 'edu', 'net', 'org', 'gov')

f = open('redata.txt', 'w+')

for i in range(randint(5, 10)):

    dtint = randint(0, maxint - 1)

    dtstr = ctime(dtint)



    shorter = randint(4, 7)

    em = ''

    for j in range(shorter):

        em += choice(lowercase)

    longer = randint(shorter, 12)

    dn = ''

    for j in range(longer):

        dn += choice(lowercase)

    f.write('%s::%s@%s.%s::%d-%d-%d\n' %

          (dtstr, em, dn, choice(doms), \

          dtint, shorter, longer))

    print('%s::%s@%s.%s::%d-%d-%d' %

          (dtstr, em, dn, choice(doms), \

          dtint, shorter, longer))



f.close();

#15-17:统计redata.txt中各星期出现的次数。

print('''

#15-17:统计redata.txt中各星期出现的次数。

''')    

mon, tue, wed, thu, fri, sat, sun = 0, 0, 0, 0, 0, 0, 0 

with open('redata.txt', 'r') as f:

    for line in f:

        result = re.match(r'^[\w]{3}', line)

        if result.group() == 'Mon':

            mon += 1

        elif result.group() == 'Tue':

            tue += 1

        elif result.group() == 'Wed':

            wed += 1

        elif result.group() == 'Thu':

            thu += 1

        elif result.group() == 'Fri':

            fri += 1

        elif result.group() == 'Sat':

            sat += 1

        elif result.group() == 'Sun':

            fri += 1

print('%s\t%s\t%s\t%s\t%s\t%s\t%s' \

     % ('mon', 'tue', 'wed', 'thu', 'fri', 'sat', 'sun'))

print('%d\t%d\t%d\t%d\t%d\t%d\t%d\n' \

     % (mon, tue, wed, thu, fri, sat, sun))

f.close()

#15-18:通过正文部分的整形与时间戳进行比较，判断文件是否完整。

print('''

#15-18:通过正文部分的整形与时间戳进行比较，判断文件是否完整。

''')



with open('redata.txt', 'r') as f:

    for line in f:

        timeStr = re.match(r'.+\s\d{4}', line)

        timeInt = re.match(r'.+::(\d+)-', line)

        if ctime(int(timeInt.group(1))) != timeStr.group(0):

            print(ctime(int(timeInt.group(1))))

            print('File is Error...')

            break;

#15-19:提取每行中完整的时间戳字段。

print('''

#15-19:提取每行中完整的时间戳字段。

''')

with open('redata.txt', 'r') as f:

    for line in f:

        timeStr = re.match(r'.+\s\d{4}', line)

        print(timeStr.group(0))

#15-20:提取每行中完整的电子邮件字段。

print('''

#15-20:提取每行中完整的电子邮件字段。

''')

with open('redata.txt', 'r') as f:

    for line in f:

        mailStr = re.match(r'.+::(.+)::', line)

        print(mailStr.group(1))

#15-21:只提取每行中的月份。

print('''

#15-21:只提取每行中的月份。

''')

with open('redata.txt', 'r') as f:

    for line in f:

        mailStr = re.match(r'.+\s([\w]{3})\s', line)

        print(mailStr.group(1))

#15-22:只提取每行中的年份。

print('''

#15-22:只提取每行中的年份。

''')

with open('redata.txt', 'r') as f:

    for line in f:

        mailStr = re.match(r'.+\s([\w]{4})::', line)

        print(mailStr.group(1))

#15-23:只提取每行中的时间字段（HH:MM:SS）。

print('''

#15-23:只提取每行中的时间字段（HH:MM:SS）。

''')

with open('redata.txt', 'r') as f:

    for line in f:

        mailStr = re.match(r'.+\d\s(.+)\s\d', line)

        print(mailStr.group(1))

#15-24:只提取电子邮件中登录名和域名(连接提取).

print('''

#15-24:只提取电子邮件中登录名和域名(连接提取).

''')

with open('redata.txt', 'r') as f:

    for line in f:

        mailStr = re.match(r'.+::(.+)\.', line)

        print(mailStr.group(1))

#15-25:只提取电子邮件中登录名和域名(分别提取)。

print('''

#15-25:只提取电子邮件中登录名和域名(分别提取)。

''')

with open('redata.txt', 'r') as f:

    for line in f:

        nameStr = re.match(r'.+::(\w+)@', line)

        zoneStr = re.match(r'.+@(\w+)\.', line)

        print(nameStr.group(1) + '-->' + zoneStr.group(1))

#15-26:将每行的电子邮件替换为你自己的电子邮件地址。

print('''

#15-26:将每行的电子邮件替换为你自己的电子邮件地址。

''')

lines = []

with open('redata.txt', 'r') as r:

    for line in r:

        nameStr = re.sub(r'\w+@\w+\.\w+', \

                        'cf@host.com', line)

        lines.append(nameStr)

with open('redata.txt', 'w+') as w:

    for line in lines:

        w.write(line)

with open('redata.txt', 'r') as r:

    for line in r:

        print(line)

#15-27:提取出时间戳中的月日年，并按照’月 日， 年’显示出来(每行只遍历一次)。

print('''

#15-27:提取出时间戳中的月日年，

并按照'月 日， 年'显示出来(每行只遍历一次)。

''')

with open('redata.txt', 'r') as f:

    for line in f:

        dateStr = \ 

        re.match( \

           r'.+\s([\w]{3}[\s]{1,2}[\d]{1,2})\s.+\s(\d+):', \

           line)

        print(dateStr.group(1) + ', ' + dateStr.group(2))

#15-28:提取电话号码3-3-4，要求区号是可选的(800-555-1212和555-1212都可以匹配)。

print('''

#15-28:提取电话号码3-3-4，要求区号是可选的。

(800-555-1212和555-1212都可以匹配)。

''')

numList = ['800-555-1212', '555-1212']

for nums in numList:

    number = re.match(r'(\d{3}-)?\d{3}-\d{4}', nums)

    print(number.group())

#15-29:提取电话号码3-3-4，要求区号可以包含园括号或是连字符，他们是可选的(800-555-1212、555-1212或(800)555-1212都可以匹配)。

print('''

#15-29:提取电话号码3-3-4，要求区号可以包含园括号或是连字符，

他们是可选的(800-555-1212、555-1212或(800)555-1212都可以匹配)。

''')

numList = ['800-555-1212', '555-1212', '(800)555-1212']

for nums in numList:

    number = \

    re.match(r'(\(\d{3}\)|(\d{3}-))?\d{3}-\d{4}', nums)

    print(number.group())