不以国家代码开头的 9 位数字的正则表达式，如前缀

Question

我正在尝试过滤掉特定文本中的 potential Citizen Service Numbers（荷兰语中的 BSN），这些文本也充满了荷兰语 phone 数字。 phone 号码以 +31 国家代码开头，而 BSN 号码不是。

有人可以帮我想出正则表达式来匹配任何不以 +<country-code-like-prefix><space> 开头的 9 位数字吗？

例如，在句子中：

The number is +31 713176319 and 650068168 is another one.

我想提取 650068168，但不想提取 713176319。这可能可以通过负前瞻来解决，但我找不到正确的解决方案。

Answer 1

使用负后视：

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

这确保 9 位数字前面没有（“+”后跟两位数字后跟 space 字符）。

Demo.

请注意，这仅适用于国家代码为两位数的情况，如您的示例所示。要支持一位或三位数字的国家代码，事情会变得有点棘手，因为 python 不支持宽度为 non-fixed 的 Lookbehinds。但是，您可以像这样使用多个 Lookbehind：

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

Demo.

Answer 2

我建议在这里使用 re.findall：

inp = "The number is +31 713176319 and 650068168 is another one."
matches = re.findall(r'(?:^|(?<!\S)(?!\+\d+)\S+ )(\d{9})\b', inp)
print(matches)

这会打印：

['650068168']

这里的正则表达式策略是匹配一个 9 位独立数字，当它出现在字符串的最开头，或者它前面有一些“单词”（单词在这里被松散地定义为 \S+ ) 不是国家代码前缀。

这里是对所用正则表达式的解释：

(?:
    ^          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

不以国家代码开头的 9 位数字的正则表达式，如前缀

Regex for 9-digit number that does not start from the country code like prefix

python

regex

regex-negation