使用正则表达式从文本文件中提取数字

Question

我正在尝试制作一个 python 脚本来读取文本文件 input.txt，然后扫描该文件中的所有电话号码并将所有匹配的电话号码写回 output.txt

让我们说文本文件是这样的：

嘿，我的号码是 1234567890，另一个号码是 +91-1234567890。但如果这些都不可用，您可以拨打 +91 5645454545 给我打电话（或）通过 abc@xyz.com 给我发邮件

它应该匹配 1234567890、+91-1234567890 和 +91 5645454545

import re

no = '^(\+[1-9]\d{0,2}[- ]?)?[1-9][0-9]{9}' #i think problem is here
f2 = open('output.txt','w+')

for line in open('input.txt'):
    out = re.findall(no,line)
    for i in out : 
        f2.write(i + '\n')

no 的正则表达式类似于：它需要最多 3 位数字的国家代码，然后是可选的 - 或空格，国家代码本身是可选的，然后是 10 位数字。

Answer 1

是的，问题出在您的正则表达式上。幸运的是，它很小。您只需要删除^ 字符：

'(\+[1-9]\d{0,2}[- ]?)?[1-9]\d{9}'

^ 表示您只想匹配字符串的开头。您希望在整个字符串中多次匹配。这是101demo。

---

对于 python，您还需要使用?: 指定一个非捕获组。否则，re.findall 不会返回完整匹配：

返回字符串中所有不重叠的模式匹配，作为一个列表 字符串。从左到右扫描字符串，并返回匹配项 按照找到的顺序。 如果模式中存在一个或多个组， 返回组列表。

我的大胆强调。这是relevant question。

这是为您的问题指定非捕获组时得到的结果：

In [485]: re.findall('(?:\+[1-9]\d{0,2}[- ]?)?[1-9]\d{9}', text)
Out[485]: ['1234567890', '+91-1234567890', '+91 5645454545']

Answer 2

你可以使用

(?:\+[1-9]\d{1,2}-?)?\s?[1-9][0-9]{9}

在demo查看演示

Answer 3

此代码将起作用：

import re

no = '(?:\+[1-9]\d{0,2}[- ]?)?[1-9][0-9]{9}' #i think problem is here
f2 = open('output.txt','w+')

for line in open('input.txt'):
    out = re.findall(no,line)
    for i in out :
        f2.write(i + '\n')

输出将是：

1234567890
+91-1234567890
+91 5645454545