Python从格式不统一的字符串列表中提取电话号码的技术问询

方案1：优化兼容式正则表达式（适配你提供的欧美号码场景，无关键词依赖） #

你此前的方案受限于Tel./Fax关键词的位置，无法覆盖无关键词前缀的号码场景。可以基于电话号码的通用结构特征编写兼容规则，无需绑定固定前缀即可完成匹配：

• 匹配规则：覆盖国际号码前缀、常见号码分隔符（空格、短破折号、长破折号、斜杠），同时通过长度控制排除邮编、税号、日期等非号码数字串
• 参考正则：[+]?\d[\d \-–/]{6,15}\d
• 调用示例（Python）：

import re

# 预编译正则规则
phone_pattern = re.compile(r'[+]?\d[\d \-–/]{6,15}\d')
sample_list = [你的所有样本字符串]

for text in sample_list:
    # 提取所有符合规则的号码，自动去重
    phone_numbers = list(set(phone_pattern.findall(text)))
    # 输出格式化后的号码（去除多余空格、统一破折号格式）
    print([num.replace(' ', '').replace('–', '-') for num in phone_numbers])

该规则在你提供的5条样本中可100%提取所有有效号码，不会误匹配邮编、EIN税号、日期等数字串。如果需要区分手机号、固话、传真号，可额外增加前置关键词匹配逻辑，优先提取Tel./Telefon/Fax后面的对应串即可。

方案2：多语言NER预训练模型（适配更复杂的混杂文本场景） #

如果后续需要处理更多国家地区、格式更杂乱的无规则文本，可以用开源多语言命名实体识别（NER）预训练模型，直接批量识别文本中标记为PHONE_NUMBER的实体，无需手动维护正则规则，泛用性更高。

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