在R中提取电话号码问题答案

【问题标题】：Extracting phone number issue in R在R中提取电话号码问题
【发布时间】：2015-09-19 06:50:38
【问题描述】：

有这样的数字：

ll <- readLines(textConnection("(412) 573-7777 opt 1
563.785.1655 x1797
(567) 523-1534 x7753
(567) 483-2119 x 477
(451) 897-MALL
(342) 668-6255 ext 7
(317) 737-3377 Opt 4
(239) 572-8878 x 3
233.785.1655 x1776
(138) 761-6877 x 4
(411) 446-6626 x 14
(412) 337-3332x19
412.393.3177 x24
327.961.1757 ext.4"))

我应该写什么正则表达式：

xxx-xxx-xxxx

我试过这个：

gsub('[(]([0-9]{3})[)] ([0-9]{3})[-]([0-9]{4}).*','\\1-\\2-\\3',ll)

它并没有涵盖所有的可能性。我认为我可以使用几种正则表达式模式来完成，但我认为可以使用单个正则表达式来完成。

【问题讨论】：

MALL 的那个呢？ MALL 不是数字。
@stribizhev - 1800 PIZZA 等是电话号码，字母组对应键盘上的数字。
@stribizhev 啊，不错。我们的想法是尽可能多地提取符合这种模式的元素。
也相关：a comprehensive regex for phone number validation

标签： regex r

【解决方案1】：

如果您还想提取用字母表示的数字，可以在gsub 中使用以下正则表达式：

gsub('[(]?([0-9]{3})[)]?[. -]([A-Z0-9]{3})[. -]([A-Z0-9]{4}).*','\\1-\\2-\\3',ll)

见IDEONE demo

您可以从字符类中删除所有A-Z，以仅匹配不带字母的数字。

正则表达式：

[(]? - 一个可选的(
([0-9]{3}) - 3 位数
[)]? - 一个可选的)
[. -] - 点、空格或连字符
([A-Z0-9]{3}) - 3 位数字或字母序列
[. -] - 点、空格或连字符
([A-Z0-9]{4}) - 4 位数字或字母序列
.* - 任意数量的字符到最后

【讨论】：