如何使用正则表达式或任何字符串操作方法从字符串中获取所需的数据

Question

我有许多来自 instagram API 的 Json 响应，其中包含如下数据：-

"bio": "????????5-yr online store ???? Real pictures???????? ????Mirror Quality ????????1:1 ????Whatsapp/Viber +861776345378 ????spikydudewonderland@gmail.com ✈️✈️Worldwide Shipping",

更多例子：-

"bio": "Девочки это наша новая страничка.Только копии Lux, искателям дешевых подделок не беспокоить. По всем вопросам viber,whatsapp +79128743333 Лианна"
"bio": "Recruitment Agents????????????????The most powerful manufacturers,we have thebest quality.????Wechat:13255996580????????Whatsapp：+8618820784535
"bio": "???? เข้าช้อปทุกวันจ้า???? ซื้อกับวี้ได้ของแท้แน่นอนค่า???? แบรนด์อื่นสอบถามได้ค่า???? ดรีวิว@reviewkayasisshopp???? LINE ID : @kux1427k (มี @ ด้วยจ้า)

如何使用 Regexp 或任何已知的字符串操作方法从中获取数据 WhatsApp/Viber Тел: +79858662461 和 Email_id spikydudewonderland@gmail.com。

我只想从中获取联系方式，例如 watzapp、line、Wechat、Viber 等和 Email_id。

我的 API 处于循环中，每次执行循环时都会调用，从而带来上述 json 响应。之后，我将数据存储在 excel 中。

有些回复完全是英语，有些回复是其他语言。这给提取数据带来了麻烦。 怎么做？请帮忙

Answer 1

这个正则表达式似乎做了一个可以接受的工作：

(?i)([\w.]+@[\w.]+)|(?:(?:\b|[,/]\s*)(?:whatsapp|viber|wechat))+\b\s*[:：]?\s*([()+\d -]+\d)|\bline(?:\sid)?\s*(?:[:：]\s*)?@?(\w+)|((?:\+\d+[ -]?)?(?:\(\d+\)[ -]?)?\d[\d -]{5,}\d)

Demo.

这会在捕获组 1 中捕获电子邮件，在组 2 中捕获 Whatsapp/Viber/Wechat 号码，在组 3 中捕获线路 ID。

使用示例：

import re

text= '??5-yr online store ? Real pictures?? ?Mirror Quality ??1:1 ?Whatsapp/Viber +861776345378 ?spikydudewonderland@gmail.com ✈️✈️Worldwide Shipping'
pattern= r'(?i)([\w.]+@[\w.]+)|(?:(?:\b|[,/]\s*)(?:whatsapp|viber|wechat))+\b\s*[:：]?\s*(\+?\d+)|\bline(?:\sid)?\s*(?:[:：]\s*)?(@\w+)'

for mobj in re.finditer(pattern, text):
    if mobj.group(1):
        print 'email:', mobj.group(1)
    elif mobj.group(2):
        t= mobj.group().lower()
        if 'whatsapp' in t:
            print 'whatsapp:', mobj.group(2)
        if 'viber' in t:
            print 'viber:', mobj.group(2)
        if 'wechat' in t:
            print 'wechat:', mobj.group(2)
    elif mobj.group(3):
        print 'line:', mobj.group(3)

---

正则表达式解释：

(?i)   case insensitive
([\w.]+@[\w.]+)  something that looks like an email
|      or
(?:    a list of...
   (?:\b|[,/]\s*)
   (?:whatsapp|viber|wechat)  ...whatsapp/viber/wechat
)+\b\s*
[:：]?\s*   possibly followed by a colon
(\+?\d+)   and of course the number
|      or
\bline(?:\sid)?\s*(?:[:：]\s*)?(@\w+)   something that looks like a line id

Answer 2

我建议使用 Python 模块来提取电话号码和电子邮件。

      >>> import phonenumbers
      >>> x = phonenumbers.parse("+442083661177", None)
      >>> print x
      Country Code: 44 National Number: 2083661177 Leading Zero: False

您可以从这里安装模块。 https://github.com/daviddrysdale/python-phonenumbers

对于邮件提取，可以使用以下模块https://pypi.python.org/pypi/email_extractor

如果你逃脱了特殊字符，你可以使用正则表达式

   >>> s.lower()
  '"bio": "recruitment agents the most powerful manufacturers,we have thebest quality. wechat:13255996580 whatsapp:+8618820784535'

    >> re.findall(r'whatsapp|viber|wechat\s*.*\d+', s.lower())

    ['wechat:13255996580 whatsapp:+8618820784535']