电话号码的 Python 正则表达式

Question

我对正则表达式非常陌生，正在寻求帮助以从 HTML 文本中解析出电话号码

在源站点，html 标记非常扭曲并且没有任何我可以使用的唯一选择器。下面是我要解析的可能性列表。

raw = """+49 39291 55-217
02102 7007064
0152 01680970
+49 39291 55-216
02102 3802 22
0800 333004 451-100
+49 221 9937 26950
02151-47974510
+49(0)6105 937 -539
0211/409 2268
+49(0)6105 937 -539
+49211/584-623
0211 58422 2012
+49 (9131) 7-35335
+49 521 9488 2470
+ 49-40-70 70 84 - 0
0211 17 95 99 04
02151-47974327
+49 203 28900 1121
0211 9449-2555
+49 (5 41) 9 98 -2268"""

我尝试了这种模式，但无法从中获得更多信息

import re, requests

Phones = re.findall(re.compile(r'.*?(\(?\d{3}\D{0,3}\d{3}\D{0,3}\d{4}).*?'),raw)

phones
['102 7007064', '152 0168097', '151-4797451', '937 -539\n0211', '937 -539\n+4921', '584-623\n0211', '151-4797432']

非常感谢任何建议或帮助。谢谢

Answer 1

我建议使用这种模式：

(?:\B\+ ?49|\b0)(?: *[(-]? *\d(?:[ \d]*\d)?)? *(?:[)-] *)?\d+ *(?:[/)-] *)?\d+ *(?:[/)-] *)?\d+(?: *- *\d+)?

请参阅regex demo。请注意，它是根据your comment 编写的，说电话号码以+49 或0 开头，并在您提供的示例列表中。由于您没有提供更具体的电话号码提取规则，因此它可能被视为“正在进行中”。

模式详情

• (?:\B\+ ?49|\b0) - +，可选空格，49 或 0，两个子字符串前面都不能有单词 char
• (?: *[(-]? *\d(?:[ \d]*\d)?)? - 一个可选的子字符串，匹配 0+ 个空格，然后是可选的 ( 或 -，0+ 个空格，一个数字，然后是可选的数字/空格序列，后跟一个数字
• *(?:[)-] *)? - 0+ 个空格，然后是 ) 或 - 的可选序列，后跟 0+ 个空格
• \d+ - 1 位以上
• * - 0+ 个空格
• (?:[/)-] *)? - /、) 或 - 的可选序列，后跟 0+ 个空格
• \d+ - 1 位以上
• *(?:[/)-] *)? - 0+ 个空格，然后是 /、) 或 - 的可选序列，后跟 0+ 个空格
• \d+ - 1 位以上
• (?: *- *\d+)? - 可选序列：0+ 个空格，-，0+ 个空格，1+ 个数字。