如何使用正则表达式（Regex）从多种文本类型提取电话号码

问题背景 #

现有以下几种格式的字符串，需要用正则表达式提取其中的电话号码，需支持不同号码类型的顺序（Office在前/在后）、仅含单一类型号码的场景，期望结果示例：(000) 987-9728, (000) 312-9725

原代码如下：

import re
a = "Office: (000) 987-9728, Mobile: (000) 312-9725"
b = "Mobile: (000) 312-8750, Office: (000) 987-9728"
c = "Mobile: (000) 312-8750"
d = "Office: (000) 987-9728"
search_office_phone = re.search("Office:\s?(.*),|Office:\s?(.*)",a)
if search_office_phone:
    office_number = search_office_phone.group(1)
    print(office_number)

原代码问题分析 #

• 正则分支导致分组混乱：使用Office:\s?(.*),|Office:\s?(.*)的分支逻辑，匹配结果会分散在两个分组中，代码仅取group(1)会出现匹配第二个分支时结果为None的情况（比如处理字符串b时）。
• 功能单一：仅尝试提取Office号码，未覆盖Mobile号码的提取需求，也无法一次性获取所有电话号码。

解决方案1：按类型提取指定号码 #

如果需要分别提取Office或Mobile类型的号码，可优化正则逻辑，确保精准捕获对应号码：

import re

def extract_phone_by_type(text, phone_type):
    # 匹配指定类型标签后的电话号码，兼容号码后带逗号或位于文本末尾的情况
    pattern = rf"{phone_type}:\s?(\(\d{{3}}\) \d{{3}}-\d{{4}})(?:,|$)"
    match_result = re.search(pattern, text)
    return match_result.group(1) if match_result else None

# 测试示例字符串
a = "Office: (000) 987-9728, Mobile: (000) 312-9725"
b = "Mobile: (000) 312-8750, Office: (000) 987-9728"
c = "Mobile: (000) 312-8750"
d = "Office: (000) 987-9728"

print("a的Office号码:", extract_phone_by_type(a, "Office"))
print("a的Mobile号码:", extract_phone_by_type(a, "Mobile"))
print("b的Office号码:", extract_phone_by_type(b, "Office"))
print("c的Mobile号码:", extract_phone_by_type(c, "Mobile"))
print("d的Office号码:", extract_phone_by_type(d, "Office"))

输出结果：

a的Office号码: (000) 987-9728
a的Mobile号码: (000) 312-9725
b的Office号码: (000) 987-9728
c的Mobile号码: (000) 312-8750
d的Office号码: (000) 987-9728

解决方案2：一次性提取所有电话号码 #

如果只需提取所有符合格式的电话号码（不区分类型），可直接匹配号码的通用格式：

import re

def extract_all_phones(text):
    # 匹配(XXX) XXX-XXXX格式的电话号码
    phone_pattern = r"\(\d{3}\) \d{3}-\d{4}"
    return re.findall(phone_pattern, text)

# 测试示例字符串
a = "Office: (000) 987-9728, Mobile: (000) 312-9725"
b = "Mobile: (000) 312-8750, Office: (000) 987-9728"
c = "Mobile: (000) 312-8750"
d = "Office: (000) 987-9728"

print("a的所有号码:", ", ".join(extract_all_phones(a)))
print("b的所有号码:", ", ".join(extract_all_phones(b)))
print("c的所有号码:", ", ".join(extract_all_phones(c)))
print("d的所有号码:", ", ".join(extract_all_phones(d)))

输出结果：

a的所有号码: (000) 987-9728, (000) 312-9725
b的所有号码: (000) 312-8750, (000) 987-9728
c的所有号码: (000) 312-8750
d的所有号码: (000) 987-9728

内容的提问来源于stack exchange，提问作者Ben David