Question

以下python脚本允许我使用正则表达式从给定文件中删除电子邮件地址。

我怎样才能添加这个以便我也可以获得电话号码？比如说，如果它是7位数或10位数（带区号），还算括号括号？

我目前的脚本可以在下面找到：

# filename variables
filename = 'file.txt'
newfilename = 'result.txt'

# read the file
if os.path.exists(filename):
        data = open(filename,'r')
        bulkemails = data.read()
else:
        print "File not found."
        raise SystemExit

# regex = something@whatever.xxx
r = re.compile(r'(\b[\w.]+@+[\w.]+.+[\w.]\b)')
results = r.findall(bulkemails)
emails = ""
for x in results:
        emails += str(x)+"\n"

# function to write file
def writefile():
        f = open(newfilename, 'w')
        f.write(emails)
        f.close()
        print "File written."

电话号码的正则表达式：

(\d{3}[-\.\s]\d{3}[-\.\s]\d{4}|\(\d{3}\)\s*\d{3}[-\.\s]\d{4}|\d{3}[-\.\s]\d{4})

电话号码的另一个正则表达式：

(?:(?:\+?1\s*(?:[.-]\s*)?)?(?:\(\s*([2-9]1[02-9]|[2-9][02-8]1|[2-9][02-8][02-9])\s*\)|([2-9]1[02-9]|[2-9][02-8]1|[2-9][02-8][02-9]))\s*(?:[.-]\s*)?)?([2-9]1[02-9]|[2-9][02-9]1|[2-9][02-9]{2})\s*(?:[.-]\s*)?([0-9]{4})(?:\s*(?:#|x\.?|ext\.?|extension)\s*(\d+))?

Answer 1

如果您对学习Regex感兴趣，可以自己动手写一下。它并不像它的那么难。像RegexPal这样的网站允许您输入一些测试数据，然后针对该数据编写和测试正则表达式。使用RegexPal，尝试添加您希望找到它们的各种格式的电话号码（使用括号，区号等），抓住Regex cheatsheet并查看您可以获得的距离。如果不出意外，它将有助于阅读其他人的表达。

编辑：以下是Regex的修改版本，它还应匹配缺少连字符，空格或点的7位和10位电话号码。我在字符类（[] s）之后添加了问号，这使得其中的任何内容都是可选的。我在RegexPal中进行了测试，但由于我还在学习Regex，我不确定它是否完美。试一试。

(\d{3}[-\.\s]??\d{3}[-\.\s]??\d{4}|\(\d{3}\)\s*\d{3}[-\.\s]??\d{4}|\d{3}[-\.\s]??\d{4})

它匹配RegexPal中的以下值：

000-000-0000
000 000 0000
000.000.0000

(000)000-0000
(000)000 0000
(000)000.0000
(000) 000-0000
(000) 000 0000
(000) 000.0000

000-0000
000 0000
000.0000

0000000
0000000000
(000)0000000

Answer 2

这是建立电话号码抓取正则表达式的过程。

首先，我们需要匹配区号（3位数），中继线（3位数）和分机号（4位数）：

reg = re.compile("\d{3}\d{3}\d{4}")

现在，我们想要捕获匹配的电话号码，因此我们在我们有兴趣捕获的部分（所有部分）周围添加括号：

reg = re.compile("(\d{3}\d{3}\d{4})")

区号，主干和分机最多可以分隔3个不是数字的字符（例如空格与连字符/点分隔符一起使用的情况）：

reg = re.compile("(\d{3}\D{0,3}\d{3}\D{0,3}\d{4})")

现在，电话号码实际上可能以(字符开头（如果区号括在括号中）：

reg = re.compile("(\(?\d{3}\D{0,3}\d{3}\D{0,3}\d{4}).*?")

现在整个电话号码可能嵌入了许多其他文本中：

reg = re.compile(".*?(\(?\d{3}\D{0,3}\d{3}\D{0,3}\d{4}).*?")

现在，其他文字可能包含换行符：

reg = re.compile(".*?(\(?\d{3}\D{0,3}\d{3}\D{0,3}\d{4}).*?", re.S)

享受！

我个人就此止步，但如果您真的想确保只使用空格，连字符和点作为分隔符，那么您可以尝试以下（未经测试）：

reg = re.compile(".*?(\(?\d{3})? ?[\.-]? ?\d{3} ?[\.-]? ?\d{4}).*?", re.S)

Answer 3

我认为这个正则表达式非常简单，可以解析电话号码

re.findall("[(][\d]{3}[)][ ]?[\d]{3}-[\d]{4}", lines)

Answer 4

对于西班牙语电话号码，我使用它非常成功：

re.findall( r'[697]\d{1,2}.\d{2,3}.\d{2,3}.\d{0,2}',str)

Answer 5

Dive Into Python有一个具体的例子，你在这里寻找：

http://www.diveintopython.net/regular_expressions/phone_numbers.html

Answer 6

您可以查看：http://regex.inginf.units.it/。通过一些训练数据和目标，它可以为您构建一个合适的正则表达式。它并不总是完美的（检查F-score）。让我们试试15个例子：

re.findall("\w\d \w\w \w\w \w\w \w\d|(?<=[^\d][^_][^_] )[^_]\d[^ ]\d[^ ][^ ]+|(?<= [^<]\w\w \w\w[^:]\w[^_][^ ][^,][^_] )(?: *[^<]\d+)+",  
           """Lorem ipsum ©  04-42-00-00-00 dolor 1901 sit amet, consectetur +33 (0)4 42 00 00 00 adipisicing elit. 2016 Sapiente dicta fugit fugiat hic 04 42 00 00 00 aliquam itaque 04.42.00.00.00 facere, 13205 number: 100 000 000 00013 soluta. 4 Totam id dolores!""")

返回['04 42 00 00 00', '04.42.00.00.00', '04-42-00-00-00', '50498,'] 添加更多示例以获得精确度

Answer 7

由于尚无人发布此正则表达式，所以我会。这就是我用来查找电话号码的方法。它与您在美国看到的所有常规电话号码格式匹配。我不需要此正则表达式来匹配国际数字，因此无需为此而对正则表达式进行调整。

@Effect

如果您希望简单的电话号码之间没有字符匹配，请使用此模式。例如：“ 4441234567”。

phone_number_regex_pattern = r"\(?\d{3}\)?[-.\s]\d{3}[-.\s]\d{4}"

Answer 8

以下是对上述答案的补充。此正则表达式还能够检测国家/地区代码：

((?:\+\d{2}[-\.\s]??|\d{4}[-\.\s]??)?(?:\d{3}[-\.\s]??\d{3}[-\.\s]??\d{4}|\(\d{3}\)\s*\d{3}[-\.\s]??\d{4}|\d{3}[-\.\s]??\d{4}))

它可以检测以下样本：

000-000-0000
000 000 0000
000.000.0000

(000)000-0000
(000)000 0000
(000)000.0000
(000) 000-0000
(000) 000 0000
(000) 000.0000

000-0000
000 0000
000.0000
0000000
0000000000
(000)0000000

# Detect phone numbers with country code
+00 000 000 0000
+00.000.000.0000
+00-000-000-0000
+000000000000
0000 0000000000
0000-000-000-0000
00000000000000
+00 (000)000 0000
0000 (000)000-0000
0000(000)000-0000

在python脚本中查找电话号码

8 个答案: