如何从电话号码中提取国家码并生成新列（R语言实现）

问题场景 #

现有电话号码数据集：

data <- data.frame(phone = c("+1 800 000 000", "+257000000000", "+91-00 000 00", "200000 000"))

需要从phone列中提取指定的国家码（如+1、+257、+91）到新列country_code，无匹配项时返回NA，期望结果如下：

phone            country_code
+1 800 000 000      +1          
+257000000000       +257            
+91-00 000 00       +91         
200000 000           NA

解决方案 #

可以基于指定的国家码向量，通过正则匹配提取目标内容，分两种情况处理：

情况1：国家码向量带+符号 #

如果预先定义的国家码是带+的格式（如c("+1", "+257", "+91")），直接将向量拼接为正则备选模式，用str_extract提取：

library(dplyr)
library(stringr)

data <- data.frame(phone = c("+1 800 000 000", "+257000000000", "+91-00 000 00", "200000 000"))
codes <- c("+1", "+257", "+91")

data <- data |> 
  mutate(country_code = str_extract(phone, str_c(codes, collapse = "|")))

# 输出结果
print(data)

情况2：国家码向量为纯数字 #

如果预先定义的国家码是纯数字格式（如c(1, 257, 91)），先给每个码添加^\+前缀（确保只匹配电话号码开头的+加国家码组合），再拼接为匹配模式：

library(dplyr)
library(stringr)

data <- data.frame(phone = c("+1 800 000 000", "+257000000000", "+91-00 000 00", "200000 000"))
codes <- c(1, 257, 91)

# 生成正则匹配模式，^限定匹配开头的内容
pattern <- str_c("^\\+", codes, collapse = "|")

data <- data |> 
  mutate(country_code = str_extract(phone, pattern))

# 输出结果
print(data)

关键说明 #

• 使用str_c(codes, collapse = "|")将多个国家码拼接为+1|+257|+91的正则模式，实现多选项匹配
• 添加^前缀是为了避免误匹配电话号码中间出现的类似数字组合，确保只提取开头的国家码

内容的提问来源于stack exchange，提问作者writer_typer