使用Pandas和正则表达式清洗带国家代码的电话号码，提取10位有效数字

你之前卡壳的核心原因是一直抱着「找需要删掉的前置冗余内容」的思路，但实际上我们已经明确了最终要保留的目标内容是什么——就是串末尾连续的10位有效数字，完全可以反过来匹配需要保留的内容，根本不用提前猜国家代码是1位、2位还是3位，一劳永逸覆盖所有前置冗余的场景。

具体实现步骤 #

1. 保留你已经写对的第一步：先把所有非数字字符全部清掉，这一步不需要改动
   • 这一步的作用是把括号、短横、加号、空格这些杂符号全部删干净，只留纯数字串
2. 后续处理完全不需要写复杂的匹配规则，两种实现方式都比自定义函数简洁高效：
   • 直接提取匹配目标内容：用正则匹配字符串末尾的10位数字，直接把这部分内容抽出来，自动忽略前面所有的前置内容（不管是国家代码1、还是其他杂的前置数字）

     import pandas as pd
     phone_series = pd.Series(['+1(192) 167-4056', '123-345-4568', '1233455678', '(123) 123-1234'])
     # 清除所有非数字字符
     only_digits = phone_series.str.replace(r'[^0-9]+', '', regex=True)
     # 提取末尾10位数字作为有效号码
     final_phones = only_digits.str.extract(r'(\d{10})$')[0]
     

     运行后得到的结果完全符合预期：

     0    1921674056
     1     1233454568
     2     1233455678
     3     1231231234
     dtype: object
     

   • 如果更倾向于“删掉冗余内容”的replace逻辑，也可以用正向预查定位所有需要删除的前置部分，直接替换成空就行，效果和上面的extract完全一致：

     final_phones = only_digits.str.replace(r'^\d+?(?=\d{10}$)', '', regex=True)
     

     这个正则的逻辑是：从字符串开头开始，所有“后面紧跟着整整10位数字直到串尾”的数字部分，全是要删掉的冗余内容，不管这些内容是1位的国家代码还是更长的前缀，都能精准匹配删除。

额外优势 #

• 这套逻辑不需要你提前定义国家代码的长度，不管后面遇到带2位、3位国家代码的号码，只要有效手机号是串的最后10位，都能自动适配，不用改正则
• 遇到清完数字后长度不足10位的无效坏数据，extract方法会自动返回空值，刚好可以帮你筛出无效数据，不会像硬截断一样把无效号错剪成半拉的数字
• 所有操作都是Pandas原生的矢量化字符串方法，跑大数量级数据的时候比逐行apply自定义函数快很多

内容的提问来源于stack exchange，提问作者linkdkm