Question

df=pd.DataFrame({'dollar_sign':[['btc'],['btc'],['btc'],['nav'],['btc','btc','btc']],'followers_count':[35946,35946
,35946
,35946
,35946
]})

这是我正在使用正则表达式，但如果手机号码在行的开头，我就无法得到。这是我的文件我现在获得的输出是（我正在将所有mbile数字写入输出文件）; 917205435005 但预计是7873553408,917205435005

输入：

7873553408抽象类可能有一些可执行的方法方法没有实现。接口不包含任何实现代码。摘要 class可以有非抽象的917205435005方法。界面的所有方法1234都是抽象的。

输出：917205435005

预期产量：7873553408,7873923408,917205435005

Pattern pattern = Pattern.compile("(0|91)?[7-9]\\d{9}(\\b|$)");

Answer 1

该行的开头用插入符号表示：

Pattern pattern = Pattern.compile("^(0|91)?[7-9]\\d{9}(\\b|$)");

Answer 2

要收集所有数字，您需要设置Matcher和while-loop来获取所有匹配项：

String str = "7873553408 Abstract classes may have some executable methods 7873923408 methods left unimplemented." +
            " Interfaces contain no implementation code. An abstract class can have non abstract 917205435005 methods." +
            " All methods 1234 of an interface are abstract.";
Pattern pattern = Pattern.compile("(0|91)?[7-9]\\d{9}");
Matcher m = pattern.matcher(str);

List<String> phones = new ArrayList<>();
while (m.find()) {
    phones.add(m.group());
}
System.out.println(phones); //[7873553408, 7873923408, 917205435005]

你写的模式不关心开头/中间（如果你放了一个^，你只会在开始时获得一个）
您不需要在模式结尾处(\\b|$)
使用此代替消耗while (bufferedReader.read() != -1)的{{1}}：
```
char
```

Answer 3

我很困惑。目前，您的问题有两个正则表达式：一个带有锚点（^），另一个没有。你有两个预期输出列表：一个包含两个数字的列表，一个包含三个数字的列表（其中一个没有出现在输入文件中）。

然而，问题的最可能原因是：

while (bufferedReader.read() != -1) {

bufferedReader.read（）使用一个字符，这意味着它不会出现在后续bufferedReader.readLine()调用返回的字符串中。这意味着，您阅读的行以873553408 Abstract classes开头（没有前导'7'！），您的正则表达式将不匹配。

不要调用read（）。循环遍历BufferedReader返回的所有行的正确方法是检查readLine（）是否返回null：

String line;
while ((line = bufferedReader.readLine()) != null) {

Answer 4

你可以试试这个正则表达式

\b(0?91)?(?:\s*-\s*|\s+)?(\d{3})(?:\s*-\s*|\s+)?(\d{3})(?:\s*-\s*|\s+)?(\d{4})\b

其中我认为您的国际代码为091，国内电话号码格式为3 digits-3 digits-4 digits，例如，091 333 444 5555,091 - 333 - 444 - 5555,0913334445555,333 444 5555 ，333 - 444 - 5555等...

Demo

从java中的文件正则表达式中获取所有移动号码

4 个答案: