编写更通用的电话号码捕获正则表达式——Kotlin+JSoup提取问题

我明白你现在的困扰——现有正则能抓+1-###-###-####这种格式，但碰到带空格和括号的号码就歇菜了对吧？咱们来调整一下正则，让它能覆盖更多常见的电话号码格式。

问题分析 #

你原来的正则\\+[0-9.()-]{7,15}的局限在于：

• 没有包含空格这个常见的分隔符，所以+1 (###) ###-####里的空格会导致匹配失败
• 只是简单允许括号存在，但没有考虑括号的成对出现（虽然实际匹配时单个括号也能过，但精准度不够）
• 对号码结构的约束太松散，容易误匹配其他带加号的字符串

改进后的正则方案 #

针对你提到的美国号码格式（+1开头），我们可以用更精准的正则来匹配：

val phonePattern = Regex("""\+\d{1,3}\s?\(?\d{3}\)?[-.\s]?\d{3}[-.\s]?\d{4}""")

这个正则的拆解：

• \\+：匹配电话号码开头的加号
• \\d{1,3}：匹配1-3位的国家代码（比如+1、+44、+86等）
• \\s?：匹配可选的空格（比如+1 (xxx)里的空格）
• \\(?：匹配可选的左括号
• \\d{3}：匹配3位区号
• \\)?：匹配可选的右括号
• [-.\\s]?：匹配可选的分隔符（横杠、点、空格三选一）
• \\d{3}：匹配中间3位数字
• [-.\\s]?：再次匹配可选的分隔符
• \\d{4}：匹配最后4位数字

优化后的Kotlin代码 #

除了正则，咱们也可以优化一下代码逻辑，避免空指针风险，同时更高效地提取号码：

val phonePattern = Regex("""\+\d{1,3}\s?\(?\d{3}\)?[-.\s]?\d{3}[-.\s]?\d{4}""")
val numbers = doc.getElementsMatchingOwnText(phonePattern)
    .flatMap { element ->
        // 用text()代替toString()，只取元素的纯文本内容，避免HTML标签干扰
        phonePattern.findAll(element.text())
            .map { it.value } // 提取每个匹配到的号码
            .toList()
    }

额外说明 #

如果需要匹配更多其他国家的号码格式（比如长度不同的号码），可以调整正则里的数字长度约束。比如把\\d{3}[-.\\s]?\\d{4}改成\\d{6,10}来适配更长或更短的号码主体，但这样会降低精准度，建议根据你要爬取的网页号码格式针对性调整。

你可以用以下测试用例验证：

• +1 (123) 456-7890
• +1(123)456-7890
• +1-123-456-7890
• +1 123.456.7890
  这些格式现在都能被正确捕获啦！

内容的提问来源于stack exchange，提问作者mox_mox