python正则表达式练习篇2

首先生成正则表达式练习的数据：

#! /usr/bin/python
from random import randint, choice
from string import lowercase
from sys import maxint
from time import ctime

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

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

	#generate time in string format
	dtint = randint(0, maxint - 1)
	dtstr = ctime(dtint)

	#generate user name, length:4~7
	shorter = randint(4, 7)
	em = ''
	for j in range(shorter):
		em += choice(lowercase)

	#generate domain name, length:shorter~12
	longer  = randint(shorter, 12)
	dn = ''
	for j in range(longer):
		dn += choice(lowercase)

	print '%s::%s@%s.%s::%d-%d-%d' % (dtstr, em, dn, choice(doms), dtint, shorter, longer)

每次gendata.py执行都会产生5~10行的输出，在每行的输出中，我们从int类型的范围内，随机的挑选一个整数，并把这个整数换算成计算机的时间，换算的方法就是从1970年1月1日零点到现在的秒数。

random.choice()这个函数的用处就是根据指定的序列，随机返回该序列中的一个元素，在这里我们指定序列是26个小写字母，string.lowercase。

登陆名的长度为4~7个字符，虚拟邮箱的地址的域名长度在4~12个字符，但是不能短于登录名的长度。

---

看生成的数据：

Wed May 27 07:48:25 1981::ufbfecs@surdpbsoru.net::359768905-7-10
Thu Apr  7 09:42:29 2033::ewanfh@znkvahbcorb.edu::1996450949-6-11
Fri Feb  9 20:25:16 1979::icopo@aeslbbik.gov::287411116-5-8
Fri Aug 22 03:58:37 2031::gtigjb@oundjfu.org::1945108717-6-7
Tue Jan 23 07:34:12 1979::tatxg@nztitfrkc.net::285896052-5-9
Tue May 29 17:25:57 1973::uohh@qxhwzrpu.gov::107515557-4-8
Thu Feb  1 05:44:21 1973::quiafo@lmltvmi.gov::97364661-6-7
Sun Feb 26 04:46:30 1984::ynpvvju@ygdcbqkk.edu::446589990-7-8

利用生成的数据，提取星期：

#! /usr/bin/python

import re

#p = re.compile(r'^(Mon|Tue|Wed)')
p = re.compile(r'^(\w{3})')

f = open('gendata.txt', 'r')

for eachLine in f.readlines():
	m = p.match(eachLine.strip())
	if m is not None:
		print m.groups()

f.close()

利用生成的数据，提取后面的数字：

在这里，如果用匹配的方法，就不得不写一个正则表达式来匹配整行内容，并用子组保存我们感兴趣的那部分数据，在这里用搜索的方法更合适。

#! /usr/bin/python

import re

p = re.compile(r'\d+-\d+-\d+')

f = open('gendata.txt', 'r')

for eachLine in f.readlines():
	s = p.search(eachLine.strip())
	if s is not None:
		print s.group()

f.close()

如果用匹配的方法，那么正则表达式要设计为：

r'.+(\d+-\d+-\d+)'

但是这样的设计是不行的，因为python默认是贪心匹配的，所以会出现这样的结果：

所以要修改正则表达式：

r'.+?(\d+-\d+-\d+)'