将未格式化的国内和国际 phone 号码分开

Question

我正在做我的第一个“大”项目，我基本上需要处理很多 phone 数字，比如，从文件中提取它们（已经完成），将它们格式化为相同的格式（问题出在这里），最后将它们存储在数据库中（也已经完成）。
格式化的问题是我无法控制数据源，它们的格式不一致，都是国内和国际号码，有的有加号的国家代码，有的没有，有的有括号，连字符, 前导 0, 等等。有些没有。
我正在尝试使用库 phonenumbers 来分隔国内和国际号码，我的国家是巴西，绝大多数号码都是巴西人。所以我首先删除所有不必要的字符，如括号、连字符、空格、加号和前导零

df['Mobile Phone'] = df['Mobile Phone'].str.replace('\(|\)|\-|\+|\s', '')

df['Mobile Phone'] = df['Mobile Phone'].str[:1].str.replace('0', '') + df['Mobile Phone'].str[1:]

下一步将是将本国人与国际人分开，这就是使用图书馆的地方。到目前为止，我已经尝试了两种方法，但它们都给出了异常错误。在第一次尝试中，我希望能够用该号码的原产国名称填写原产地列，这样我就可以将产自巴西的号码与其他号码分开。然而，这是不可能的，因为我需要通知 phonenumbers.parse() 该号码的原产国，这是不可能的，因为我无法知道，因此我得到如下错误

df['Origin'] = df['Mobile Phone'].apply(lambda x: geocoder.description_for_number(phonenumbers.parse(x), 'en'))

NumberParseException: (0) Missing or invalid default region.

所以我试图将原产国通知为巴西 (BR)，但它也 return 给我一个错误，因为在某些时候传递给 phonenumbers.parse() 的数字将是国际号码，不会被识别为有效号码，如下代码和错误

df['Origin'] = df['Mobile Phone'].apply(lambda x: geocoder.description_for_number(phonenumbers.parse(x, 'BR'), 'en'))

NumberParseException: (1) The string supplied did not seem to be a phone number.

我还尝试使用 phonenumbers.is_valid_number() 并在 'valid' 列中填充 true 或 false 如果该数字对巴西有效，但是错误仍然存在，因为当传递phonenumbers.parse() 方法的号码，如果号码是国际号码，它将无法识别并发出错误

df['Valid'] = df['Mobile Phone'].apply(lambda x: phonenumbers.is_valid_number(phonenumbers.parse(x, 'BR')))

NumberParseException: (1) The string supplied did not seem to be a phone number.

是否有任何方法可以避免或忽略这些异常，以便完成其余的检查？或者在调用异常时 return 列的另一个值的某种方式，表明该数字未被识别？或者有没有办法将所有现有国家/地区的列表传递给 phonenumbers.parse() 方法？，像这样

df['Valid'] = df['Mobile Phone'].apply(lambda x: phonenumbers.is_valid_number(phonenumbers.parse(x, list_of_countries)))

或

df['Valid'] = df['Mobile Phone'].apply(lambda x: phonenumbers.is_valid_number(phonenumbers.parse(x, ['EN', 'GB', 'BR'])))

这是我正在处理的一个文件中包含的一些号码的样本，前 4 个号码是巴西号码，最后一个是国际号码，没有经过任何处理

+55 34 98400-xxxx
34 99658-xxxx
+349798xxxx
9685-xxxx
549215xxxx
+598 91 xxx xxx
+81 80-4250-xxxx
+81 90-4262-xxxx
+971 50 147 xxxx
+972 53-881-xxxx

在我进行清理无用字符的处理后，它们看起来像这样

553498400xxxx
3499658xxxx
349798xxxx
9685xxxx
549215xxxx
59891xxxxxx
81804250xxxx
81904262xxxx
97150147xxxx
97253881xxxx

完整的巴西本地号码是这样的格式：+55 XX XXXXX-XXXX，但是数据中有不完整的号码，没有一些信息，比如国家代码。

我不打算对国际号码执行任何类型的格式化，因为它们是来自几个不同国家的号码，每个都有自己的格式，我只需要以某种方式从数据框中删除它们，以便我可以执行巴西号码的格式，之后我将把国际号码再次放入数据框中，正如我已经说过的，我已经编写了代码来格式化巴西号码，在没有的号码中插入必要的信息，我的困难实际上是如何使用 phone 号码库或其他方式将国际号码与巴西号码分开。

Answer 1

如果您不知道哪些号码是国际号码，哪些是本地号码，您只需要同时尝试：

def guess_phonenumber(clean, loc):
    # Try national
    pn = phonenumbers.parse(clean, loc)
    if not phonenumbers.is_valid_number(pn):
        # Not national; add + and try international
        pn = phonenumbers.parse("+" + clean, None)
    if not phonenumbers.is_valid_number(pn):
        # Not international either
        pn = None
    return pn

guess_phonenumber(clean_phone_number, "BR")
# => PhoneNumber or None

如果 phone 无法识别，它可能完全无效，或者缺少太多信息无法重建（例如本地号码，当您不知道它是哪个区域时是本地的）。

将未格式化的国内和国际 phone 号码分开

Separate national and international phone numbers that are not formatted

python

python-phonenumber