Bash脚本问题：如何提取文本中特定格式的电话号码？

我来帮你一步步解决这个问题，你的脚本主要有两个问题：语法错误和正则表达式与目标格式不匹配，咱们逐个修复：

1. 修正脚本语法错误 #

你的while read phone do部分缺少了分隔符，bash需要明确区分read phone和do，正确的写法是给read phone后面加个分号，或者把do单独放一行：

grep -E -o "正则表达式" webpage.html | while read phone; do
    echo "$phone" >> testp.txt
done

2. 编写匹配目标格式的正则表达式 #

你要提取的号码格式是(XXXXX) XXXXXX XXXXX XXXXXX (XXXXX)XXXXXX，对应的正则需要精准匹配每个结构：

• 开头的(XXXXX)：括号是正则特殊字符，需要用\转义，即\([0-9]{5}\)
• 空格+6位数字： [0-9]{6}
• 空格+5位数字： [0-9]{5}
• 空格+6位数字： [0-9]{6}
• 空格+(XXXXX)： \([0-9]{5}\)
• 最后6位数字：[0-9]{6}

结合起来，完整的正则表达式是：

\([0-9]{5}\) [0-9]{6} [0-9]{5} [0-9]{6} \([0-9]{5}\)[0-9]{6}

3. 最终完整脚本 #

把修正后的语法和正则结合，完整脚本如下：

grep -E -o "\([0-9]{5}\) [0-9]{6} [0-9]{5} [0-9]{6} \([0-9]{5}\)[0-9]{6}" webpage.html | while read phone; do
    echo "$phone" >> testp.txt
done

额外小提示 #

• 如果担心号码前后有多余的空白干扰匹配，可以在正则的首尾加上\b（单词边界），比如：

  \b\([0-9]{5}\) [0-9]{6} [0-9]{5} [0-9]{6} \([0-9]{5}\)[0-9]{6}\b
  

• 你用了-E选项开启扩展正则，所以大括号{}不需要转义，写法更直观；如果去掉-E用基本正则，才需要把{}写成\{}。

内容的提问来源于stack exchange，提问作者saadurr