使用formic和regex查找分区Python上的所有电话号码

Question

我试图查找整台计算机上所有csv文件中的所有电话号码，无论格式差异如何（在合理范围内）。我希望尽可能地加快速度，并提供一般的代码帮助（我只是按照我的方式进行此操作）。我切换到了formic而不是glob，甚至不知道我是否正确使用它（尤其是使用Windows＆＃39;基于反斜杠的文件系统）。对于上下文，我有数千个文件，其中一些有数百万个电话号码。

这就是我正在尝试的：

import csv
import re
from formic import FileSet

with open('MegaList.csv', 'wb') as out:
    seen = set()
    regex = re.compile(r'(\+?[2-9]\d{2}\)?[ -]?\d{3}[ -]?\d{4})')
    csv_files = FileSet(directory='C:\\', include='**\\*.csv')
    out_writer = csv.writer(out)
    out_writer.writerow([])
    for filename in csv_files:
        with open(filename, 'rbU') as ifile:
            read = csv.reader(ifile)
            try:  #some files have row return NULL byte, so skip errors
                for row in read:
                    for column in row:
                        s1 = column.strip()
                        if 9 < len(column) < 15: #does this make it faster or slower?
                            match = regex.search(s1)
                            if match:
                                canonical_phone = re.sub(r'\D', '', match.group(0))
                                if canonical_phone not in seen:
                                    seen.add(canonical_phone)
            except:
                pass
    for val in seen:
        out_writer.writerow([val])