Question

我正在尝试使用正则表达式来查找格式为（xxx）xxx-xxxx的电话号码，这些电话号码都位于带有凌乱html的文本文档中。

文本文件包含以下行：

  <div style="font-weight:bold;">
  <div>
   <strong>Main Phone:
   <span style="font-weight:normal;">(713) 555-9539&nbsp;&nbsp;&nbsp;&nbsp;
   <strong>Main Fax:
   <span style="font-weight:normal;">(713) 555-9541&nbsp;&nbsp;&nbsp;&nbsp;
   <strong>Toll Free:
   <span style="font-weight:normal;">(888) 555-9539

我的代码包含：

Pattern p = Pattern.compile("\\(\\d{3}\\)\\s\\d{3}-\\d{4}");
Matcher m = p.matcher(line); //from buffered reader, reading 1 line at a time

if (m.matches()) {
     stringArray.add(line);
}

问题是当我将简单的东西放入模式进行编译时，它仍然没有返回任何内容。如果它甚至没有识别出类似\ d的内容，我将如何获得电话号码？例如：

Pattern p = Pattern.compile("\\d+"); //Returns nothing
Pattern p = Pattern.compile("\\d");  //Returns nothing
Pattern p = Pattern.compile("\\s+"); //Returns lines
Pattern p = Pattern.compile("\\D");  //Returns lines

这对我来说真的很困惑，任何帮助都会受到赞赏。

Answer 1

使用Matcher#find()代替matches()，这会尝试将整行作为电话号码进行匹配。 find()会搜索并返回true以进行子字符串匹配。

Matcher m = p.matcher(line);

此外，上面的一行表示您在循环中再次创建相同的Pattern和Matcher。那效率不高。将Pattern移到您的循环之外并重置并在不同的行上重复使用相同的Matcher。

Pattern p = Pattern.compile("\\(\\d{3}\\)\\s\\d{3}-\\d{4}");

Matcher m = null;
String line = reader.readLine();
if (line != null && (m = p.matcher(line)).find()) {
    stringArray.add(line);
}

while ((line = reader.readLine()) != null) {
  m.reset(line);
  if (m.find()) {
    stringArray.add(line);
  }
}

Answer 2

或者代替regexp，您可以使用Google库 - libphonenumber，如下所示

    Set<String> phones = new HashSet<>();
    PhoneNumberUtil util = PhoneNumberUtil.getInstance();

    Iterator<PhoneNumberMatch> iterator = util.findNumbers(source, null).iterator();

    while (iterator.hasNext()) {
        phones.add(iterator.next().rawString());
    }

正则表达式用java解析文本文档中的电话号码

2 个答案: