我如何在python中更正此Regex电话号码提取器

Question

将一组英国电话号码复制到剪贴板后，运行此程序时得到的结果以一种非常奇怪的方式出现。 （在您询问之前，我已经导入了两个模块）

phoneRegex = re.compile(r'''(
    (\d{5}|\(\d{5}\))?       #area code
    (\s|-|\.)?               #separator
    (\d{6})                  #main 6 digits
    )''', re.VERBOSE)

emailRegex = re.compile(r'''(
    [a-zA-Z0-9._%+-]+        #username
    @                        #obligatory @ symbol
    [a-zA-Z0-9.-]+           #domain name
    (\.[a-zA-Z]{2,5})        #dot-something
    )''', re.VERBOSE)

text = str(pyperclip.paste())

matches = []
for groups in phoneRegex.findall(text):
    phoneNum = '-'.join([groups[1], groups[3]])
    if groups[3] != '':
        phoneNum += ' ' + groups[3]
    matches.append(phoneNum)
for groups in emailRegex.findall(text):
    matches.append(groups[0])
if len(matches) > 0:
    pyperclip.copy('\n'.join(matches))
    print('Copied to clipboard:')
    print('\n'.join(matches))
else:
    print('No phone numbers or email addresses found')

错误在这里：

for groups in phoneRegex.findall(text):
    phoneNum = '-'.join([groups[1], groups[3]])
    if groups[3] != '':
        phoneNum += ' ' + groups[3]
    matches.append(phoneNum)

复制到剪贴板的数字：
07338 754433
01265768899
（01283）657899

预期成绩：
复制到剪贴板：
07338 754433
01265 768899
01283 657899

返回结果：
复制到剪贴板：
07338-754433 754433
-012657 012657
（01283）-657899 657899

Answer 1

我看到三个问题：

1. python代码将电话号码的两个部分与-结合在一起，然后再添加一个空格和第三部分：

     phoneNum = '-'.join([groups[1], groups[3]]) if groups[3] != '': phoneNum += ' ' + groups[3] 

   由于groups[3]始终不会为空，因此您需要做的是：

     if groups[1] != '': phoneNum = ' '.join(groups[1], groups[3]) else: phoneNum = groups[3] 

2. 您的phoneRegex正则表达式未锚定到行的开头和结尾。 您需要（a）使用re.MULTILINE选项进行编译，并且（b）将正则表达式锚定在^和$之间：

    phoneRegex = re.compile(r'''^( (\\d{5}|\\(\\d{5}\\))? #area code (\\s|-|\\.)? #separator (\\d{6}) #main 6 digits )$''', re.VERBOSE + re.MULTILINE) 

   这将防止没有分隔符的一长串数字只是在第3组后面紧跟一串数字。

3. 您的区号匹配项在组匹配项中包括了匹配的括号。 要解决此问题，您需要更改正则表达式以确保括号不属于该组，或者需要更改代码以去除括号。

   • 在正则表达式中避免使用括号：

       (?:(\\d{5})|\\((\\d{5})\\))? #area code 

     (?:...)是括号的非分组形式，因此查找将不会返回。 在其中，您有两个选择：组中的5位数字- (\\d{5}) -或将组中的5位数字括起来的文字括号- \\((\\d{5})\\) 。

     但是，这种变化也影响你的电话号码重组逻辑，因为你的区域代码是在groups[1]或groups[2]现在您的主号码是在groups[4]

       if groups[1] != '': phoneNum = ' '.join(groups[1], groups[4]) elif groups[2] != '': phoneNum = ' '.join(groups[2], groups[4]) else: phoneNum = groups[4] 

     • 可以通过将外部圆括号和分隔符周围的圆括号更改为非分组圆括号来简化此操作。 然后，您可以对组的过滤结果进行单个联接：

        phoneRegex = re.compile(r'''(?: (?:(\\d{5})|\\((\\d{5})\\))? #area code (?:\\s|-|\\.)? #separator (\\d{6}) #main 6 digits )''', re.VERBOSE) # ... phoneNum = ' '.join([group for group in groups if group != '']) 

       修改后的phoneRegex可以确保返回的groups仅在groups[0]或groups[1]包含可选的区号，然后在groups[2]包含主号码，而不会返回多余的匹配项。 然后，代码将筛选出所有空的组，并返回由空格连接的其余组。

   • 在代码中去除括号：

       if groups[1] != '': phoneNum = ' '.join(groups[1].lstrip('(').rstrip(')'), groups[3]) else: phoneNum = groups[3]