Python phone 个数字的正则表达式

Question

我对正则表达式很陌生，寻求帮助从 HTML 文本

中解析出 phone 数字

在源站点，html 标签非常扭曲并且没有任何我可以使用的唯一选择器。下面是我要解析的可能性列表。

raw = """+49 39291 55-217
02102 7007064
0152 01680970
+49 39291 55-216
02102 3802 22
0800 333004 451-100
+49 221 9937 26950
02151-47974510
+49(0)6105 937 -539
0211/409 2268
+49(0)6105 937 -539
+49211/584-623
0211 58422 2012
+49 (9131) 7-35335
+49 521 9488 2470
+ 49-40-70 70 84 - 0
0211 17 95 99 04
02151-47974327
+49 203 28900 1121
0211 9449-2555
+49 (5 41) 9 98 -2268"""

我试过这个模式，但无法从中看出更多

import re, requests

Phones = re.findall(re.compile(r'.*?(\(?\d{3}\D{0,3}\d{3}\D{0,3}\d{4}).*?'),raw)

phones
['102 7007064', '152 0168097', '151-4797451', '937 -539\n0211', '937 -539\n+4921', '584-623\n0211', '151-4797432']

非常感谢任何建议或帮助。谢谢

Answer 1

我建议使用这种模式：

(?:\B\+ ?49|\b0)(?: *[(-]? *\d(?:[ \d]*\d)?)? *(?:[)-] *)?\d+ *(?:[/)-] *)?\d+ *(?:[/)-] *)?\d+(?: *- *\d+)?

请参阅 regex demo. Note it is written based on 说 phone 数字以 +49 或 0 开头并在示例列表中你提供。它可能被认为是 "work in progress"，因为您没有为 phone 号码提取提供更具体的规则。

图案详情

(?:\B\+ ?49|\b0) - 一个 +，可选的 space，49 或一个 0，两个子字符串前面不能有单词 char
(?: *[(-]? *\d(?:[ \d]*\d)?)? - 一个可选的子串匹配 0+ spaces，然后是一个可选的 ( 或 -，0+ spaces，一个数字然后是可选的 digits/spaces 序列，后跟数字
*(?:[)-] *)? - 0+ spaces，然后是可选的 ) 或 - 序列，后跟 0+ spaces
\d+ - 1+ 位数
* - 0+ spaces
(?:[/)-] *)? - /、) 或 - 的可选序列，后跟 0+ spaces
\d+ - 1+ 位数
*(?:[/)-] *)? - 0+ spaces 然后是 /、) 或 - 的可选序列，后跟 0+ spaces
\d+ - 1+ 位数
(?: *- *\d+)? - 可选序列：0+ spaces, -, 0+ spaces, 1+ digits.

Python phone 个数字的正则表达式

Python regular expression for phone numbers

python

regex

python-3.x

regex-greedy