混合数字与拼写数字的电话号码识别及正则方案问询

一、修正后的正则表达式 #

针对混合阿拉伯数字（0-9）与英文数字单词（zero-nine）的电话号码，比如+89 one5zero 77three3、+eight2three 555 seven21这类格式，可用以下正则表达式匹配：

import re

# 编译正则，忽略大小写适配不同写法的英文数字
phone_pattern = re.compile(
    r'(?<!\S)\+?(?:(?:\d|zero|one|two|three|four|five|six|seven|eight|nine)+(?:\s+|$))+',
    re.IGNORECASE
)

正则逻辑说明：

• (?<!\S)：确保匹配内容的开头是空白或字符串起始，避免从其他单词中间截取
• \+?：匹配可选的国际区号前缀+
• (?:\d|zero|one|nine)+：匹配任意长度的阿拉伯数字与英文数字的混合块（比如one5zero、77three3这类组合）
• (?:\s+|$)：匹配块之间的空格分隔，或字符串结尾
• re.IGNORECASE：兼容Zero、ONE这类大小写混合的英文数字写法

二、从文本中提取目标号码 #

用findall方法可直接提取文本中所有符合模式的内容：

sample_text = "联系电话：+89 one5zero 77three3，备用号：+eight2three 555 seven21"
matches = phone_pattern.findall(sample_text)
# 输出：['+89 one5zero 77three3', '+eight2three 555 seven21']

三、筛选DataFrame中包含目标模式的行 #

假设你的DataFrame有一列名为content存储待检测文本，可用str.contains快速筛选：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'content': [
        "客户电话：+89 one5zero 77three3",
        "普通文本，无特殊号码",
        "备用联系方式：+eight2three 555 seven21"
    ]
})

# 筛选包含目标号码的行
filtered_df = df[df['content'].str.contains(phone_pattern, na=False)]

四、原正则的问题说明 #

你之前的正则效果不佳，主要是两个原因：

1. 用\b作为边界，但+不属于单词边界字符，导致带+前缀的号码无法匹配
2. 分组逻辑是单独匹配单个数字或英文单词，无法处理one5zero这种阿拉伯数字与英文混合在同一块的情况

内容的提问来源于stack exchange，提问作者Dasha