从字符串R

Question

我正在尝试提取R中所有格式（国际和其他格式）的电话号码。

示例数据：

phonenum_txt <- "sDlkjazsdklzdjsdasz+49 123 999dszDLJhfadslkjhds0001 123.456sL:hdLKJDHS+31 (0) 8123zsKJHSDlkhzs&^#%Q(999)9999999adlfkhjsflj(999)999-9999sDLKO*$^9999999999adf;jhklslFjafhd9999999999999zdlfjx,hafdsifgsiaUDSahj"

我想要：

extract_vector
[1] "+49 123 999"
[2] 0001 123.456
[3] "+31 (0) 8123"
[4] (999)9999999
[5] (999)999-9999
[6] 9999999999
[7] 9999999999999

我尝试使用：

extract_vector <- str_extract_all(phonenum_txt,"^(?:\\+\\d{1,3}|0\\d{1,3}|00\\d{1,2})?(?:\\s?\\(\\d+\\))?(?:[-\\/\\s.]|\\d)+$")

我从HERE获得的

，但是我的正则表达式技能不足以转换它以使其在R中工作。

谢谢！

Answer 1

虽然您的数据似乎不现实，但是this expression可能会帮助您设计所需的表达式以匹配您的字符串。

(?=.+[0-9]{2,})([0-9+\.\-\(\)\s]+)

我添加了一个额外的边界，通常在输入复杂时可以添加边界。

如果愿意，可以添加或删除边界。例如，该表达式也可以工作：

([0-9+\.\-\(\)\s]+)

或者您可以为其添加其他左右边界，例如，如果所有电话号码都用小写/大写字母包裹：

[a-z]([0-9+\.\-\(\)\s]+)[a-z]

您可以简单地调用所需的目标输出，该目标输出使用$1在捕获组中。

如果/当有真实数据可用时，正则表达式设计最有效。

Answer 2

您可以使用此正则表达式匹配并提取字符串中包含的所有电话号码。

(?: *[-+().]? *\d){6,14}

此正则表达式的思想是允许在电话号码中的一位前允许该字符集[-+().]中的一个字符（因为这些字符可以出现在您的电话号码中）。如果您的电话号码可以包含更多的字符，例如{或}或[或]，则可以将其添加到此字符集中。这个可选字符集可能被可选空格包围，因此我们在该字符集前后都有一个空格星号，最后我们有\d用来将其与一个数字匹配，并且整个模式都被量化了{{1} }至少出现6次或最多出现14次（您可以根据需要配置这些数字），因为根据样本数据，电话号码中的最小数字为6（尽管实际上我认为是7或8）新加坡，但取决于您）

Regex Demo

R Code Demo

{6,14}

打印所有必需的数字，

library(stringr)
str_match_all("sDlkjazsdklzdjsdasz+49 123 999dszDLJhfadslkjhds0001 123.456sL:hdLKJDHS+31 (0) 8123zsKJHSDlkhzs&^#%Q(999)9999999adlfkhjsflj(999)999-9999sDLKO*$^9999999999adf;jhklslFjafhd9999999999999zdlfjx,hafdsifgsiaUDSahj", "(?: *[-+().]? *\\d){6,14}")