正则表达式用java解析文本文档中的电话号码答案

【问题标题】：Regex to parse phone numbers in text document with java正则表达式用java解析文本文档中的电话号码
【发布时间】：2013-08-03 20:16:38
【问题描述】：

我正在尝试使用正则表达式来查找 (xxx) xxx-xxxx 形式的电话号码，这些电话号码都在带有混乱 html 的文本文档中。

文本文件的行如下：

  <div style="font-weight:bold;">
  <div>
   <strong>Main Phone:
   <span style="font-weight:normal;">(713) 555-9539&nbsp;&nbsp;&nbsp;&nbsp;
   <strong>Main Fax:
   <span style="font-weight:normal;">(713) 555-9541&nbsp;&nbsp;&nbsp;&nbsp;
   <strong>Toll Free:
   <span style="font-weight:normal;">(888) 555-9539

我的代码包含：

Pattern p = Pattern.compile("\\(\\d{3}\\)\\s\\d{3}-\\d{4}");
Matcher m = p.matcher(line); //from buffered reader, reading 1 line at a time

if (m.matches()) {
     stringArray.add(line);
}

问题是当我将简单的东西放入模式中进行编译时，它仍然没有返回任何内容。如果它甚至不识别像 \d 这样的东西，我要如何获得电话号码？例如：

Pattern p = Pattern.compile("\\d+"); //Returns nothing
Pattern p = Pattern.compile("\\d");  //Returns nothing
Pattern p = Pattern.compile("\\s+"); //Returns lines
Pattern p = Pattern.compile("\\D");  //Returns lines

这真的让我很困惑，如果有任何帮助，我们将不胜感激。

【问题讨论】：

标签： java html regex

【解决方案1】：

使用Matcher#find() 而不是matches()，它会尝试将整行匹配为电话号码。 find() 也会搜索并返回 true 以查找子字符串匹配项。

Matcher m = p.matcher(line);

此外，上面的行表明您正在循环中再次创建相同的Pattern 和Matcher。那效率不高。将 Pattern 移到循环之外，然后在不同的行上重置和重用相同的 Matcher。

Pattern p = Pattern.compile("\\(\\d{3}\\)\\s\\d{3}-\\d{4}");

Matcher m = null;
String line = reader.readLine();
if (line != null && (m = p.matcher(line)).find()) {
    stringArray.add(line);
}

while ((line = reader.readLine()) != null) {
  m.reset(line);
  if (m.find()) {
    stringArray.add(line);
  }
}

【讨论】：

这就是解决方案。感谢您阐明 find() 和 matches() 之间的区别。

【解决方案2】：

或者代替regexp你可以使用谷歌库-libphonenumber，如下

    Set<String> phones = new HashSet<>();
    PhoneNumberUtil util = PhoneNumberUtil.getInstance();

    Iterator<PhoneNumberMatch> iterator = util.findNumbers(source, null).iterator();

    while (iterator.hasNext()) {
        phones.add(iterator.next().rawString());
    }

【讨论】：