不以国家/地区代码开头（如前缀）的 9 位数字的正则表达式

Question

我正在尝试过滤掉特定文本中潜在的公民服务号码（荷兰语 BSN），这些文本也充满了荷兰电话号码。电话号码以 +31 国家/地区代码开头，而 BSN 号码则不然。有人可以帮我想出正则表达式来匹配任何不以 开头的 9 位数字吗+<country-code-like-prefix><space>？例如，在句子中：号码是+31 713176319，另一个号码是650068168。我想提取650068168，但不提取713176319。这可能可以通过负向预测来解决，但我无法找到正确的解决方案。

Answer 1

使用负回顾：

(?<!\+\d\d )\b\d{9}\b

这可确保 9 位数字前面没有（“+”后跟两位数字，后跟空格字符）。

演示。

请注意，这仅在国家/地区代码为两位数（如您的示例中所示）时才有效。要支持一位或三位数字的国家/地区代码，事情会变得有点棘手，因为 python 不支持非固定宽度的 Lookbehinds。但是，您可以像这样使用多个 Lookbehind：

(?<!\+\d )(?<!\+\d{2} )(?<!\+\d{3} )\b\d{9}\b

演示。

Answer 2

我建议re.findall在这里使用：

inp = "The number is [phone] and 650068168 is another one."

matches = re.findall(r'(?:^|(?<!\S)(?!\+\d+)\S+ )(\d{9})\b', inp)

print(matches)

这打印：

['650068168']

这里的正则表达式策略是匹配 9 位独立数字，当它出现在字符串的最开头时，或者它前面有一些不是国家/地区代码前缀的“单词”（此处松散定义的单词）\S+。

这是所使用的正则表达式的解释：

(?:

    ^          from the start of the string

    |          OR

    (?<!\S)    assert that what precedes is whitespace or start of the string

    (?!\+\d+)  assert that what follows is NOT a country code prefix

    \S+        match the non prefix "word", followed by a space

)

(\d{9})        match and capture the 9 digit number

\b             word boundary