Python的Vcard解析器

Question

我正在分析我的vcard信息（复制到一个txt文件中）以提取name:number，并将其放入字典中。

数据样本：

BEGIN:VCARD  
VERSION:2.1  
N:MEO;Apoio;;;  
FN:Apoio MEO  
TEL;CELL;PREF:1696  
TEL;CELL:162 00  
END:VCARD  
BEGIN:VCARD  
VERSION:2.1  
N:estrangeiro;Apoio MEO;no;;  
FN:Apoio MEO no estrangeiro  
TEL;CELL;PREF:+35196169000  
END:VCARD  

import re
file = open('Contacts.txt', 'r')
contacts = dict()

    for line in file:
            name = re.findall('FN:(.*)', line)
            nm = ''.join(name)

            if len(nm) == 0:
                continue
            contacts[nm] = contacts.get(nm)
    print(contacts)

有了这个，我得到了一本有名字的字典，但对于数字，我一本也得不到。{'name': None, 'name': None}。

我能用re做这个吗？要用相同的re.findall表达式同时提取名称和数字？

Answer 1

你最好使用已经存在的existing library而不是尝试重新发明轮子：

pip install vobject

然后在python中

>>> import vobject
>>> s = """\
... BEGIN:VCARD
... VERSION:2.1
... N:MEO;Apoio;;;
... FN:Apoio MEO
... TEL;CELL;PREF:0123456789
... TEL;CELL:0123456768
... END:VCARD
... BEGIN:VCARD
... VERSION:2.1
... N:estrangeiro;Apoio MEO;no;;
... FN:Apoio MEO no estrangeiro
... TEL;CELL;PREF:+0123456789
... END:VCARD """
>>> vcard = vobject.readOne(s)
>>> vcard.prettyPrint()
 VCARD
    VERSION: 2.1
    TEL: 1696
    TEL: 162 00
    FN: Apoio MEO
    N:  Apoio  MEO 

你完了！

所以如果你想用它编一本字典，你只需要：

>>> {vcard.contents['fn'][0].value: [tel.value for tel in vcard.contents['tel']] }
{'Apoio MEO': ['1696', '162 00']}

所以你可以把这些都变成一个函数：

def parse_vcard(path):
    with open(path, 'r') as f:
        vcard = vobject.readOne(f.read())
        return {vcard.contents['fn'][0].value: [tel.value for tel in vcard.contents['tel']] }

从那里，您可以改进代码以在单个vobject文件中处理多个vcard，并使用更多电话更新dict。

注意：我留给你一个练习，把上面的代码从一个文件中只读取一个vcard改成一个可以读取多个vcard的代码。提示：read the documentation of ^{}。

注意：我在用你的数据，我在想无论你写什么，都是毫无意义的。但我怀疑，我修改了电话号码。

---

为了好玩，让我们看看你的代码。首先是缩进问题，但我认为这是因为复制/粘贴错误☺.

① import re
② file = open('Contacts.txt', 'r')
③ contacts = dict()

④ for line in file:
⑤     name = re.findall('FN:(.*)', line)
⑥     nm = ''.join(name)

⑦     if len(nm) == 0:
⑧         continue
⑨     contacts[nm] = contacts.get(nm)

⑩ print(contacts)

首先，在第②行有两个问题。您正在使用open()打开文件，但没有关闭该文件。如果调用此函数以打开十亿个文件，则系统可用的文件描述符将不足，因为您没有关闭这些文件。作为一个好习惯，您应该始终使用with结构：

with open('...', '...') as f:
    … your code here …

这会帮您处理fd，更好地显示您可以在哪里使用打开的文件。

第二个问题是调用变量file，它隐藏file类型。希望file类型很少被使用，但是这是一个坏习惯，因为有一天你可能不理解一个错误，因为你已经用一个变量隐藏了一个类型。别用，总有一天你会省事的。

第⑤行和第⑥行，在每一行上应用一个re.findall正则表达式。您最好使用re.match()，因为您已经在每一行上迭代了，并且在该行中没有FN: something。这将使您避免不必要的''.join(name)，但与其使用regex来完成这样一件简单的事情，不如使用str.split()：

if 'FN:' in line:
    name = line.split(':')[-1]

第⑦行不仅是多余的——如果您使用上面的if，实际上是错误的。因为这样，您将跳过所有没有FN:的行，这意味着您永远不会提取电话号码，只提取姓名。

最后，第⑧行完全没有意义。基本上，你所做的就相当于：

if nm in contacts.keys():
    contacts[nm] = contacts[nm]
else:
    contacts[nm] = None

总而言之，在你的代码中，你所做的只是提取名字，你甚至不必为电话号码操心。所以当你说：

With this I am getting a dictionary with names but for numbers I am getting None

这毫无意义，因为你实际上并没有试图提取电话号码。

Can I do this with re? To extract both name and number with the same re.findall expression?

是的，你可以，用一些看起来像（未经测试的正则表达式，很可能不工作）的东西覆盖整个文件，或者至少对每个vcard：

FN:(?P<name>[^\n]*).*TEL[^:]*:(?P<phone>[^\n])

但是，当你有一个完全适合你的lib时，何必费心呢！

Answer 2

我的答案基于zmos答案（您需要安装vobject）。

要从vcf文件获取所有vobjects，可以执行以下操作：

import vobject
with open(infile) as inf:
    indata = inf.read()
    vc = vobject.readComponents(indata)
    vo = next(vc, None)
    while vo is not None:
        vo.prettyPrint()
        vo = next(vc, None)

关于vobject（在GitHub上）的文档有点糟糕，所以我查看了他们的代码，发现readOne只是在readComponents上调用next。所以您可以使用readComponents来获取集合。