不以国家代码（如前缀）开头的9位数字的正则表达式

Question

我试图过滤掉特定文本中的potential Citizen Service Numbers（荷兰语的BSN），这些文本中也充满了荷兰语电话号码。电话号码以+31国家/地区代码开头，而BSN号码不以+31国家/地区代码开头

有人能帮我找到正则表达式来匹配任何不以^{开头的9位数字吗

例如，在句子中：

The number is +31 713176319 and 650068168 is another one.

我想提取650068168，但不是713176319。这可能通过消极的前瞻性解决，但我无法找到正确的解决方案

Answer 1

使用负回溯：

(?<!\+\d\d )\b\d{9}\b

这可以确保9位数字前面没有（“+”后跟两位数字和空格字符）

Demo

请注意，这仅在国家/地区代码为两位数时有效，如您的示例所示。为了支持一位或三位的国家代码，事情变得有点棘手，因为python不支持非固定宽度的lookbehind。但是，您可以像这样使用多个lookbehind：

(?<!\+\d )(?<!\+\d{2} )(?<!\+\d{3} )\b\d{9}\b

Demo

Answer 2

我建议在这里使用re.findall：

inp = "The number is +31 713176319 and 650068168 is another one."
matches = re.findall(r'(?:^|(?<!\S)(?!\+\d+)\S+ )(\d{9})\b', inp)
print(matches)

这张照片是：

['650068168']

这里的正则表达式策略是匹配一个9位数的独立数字，当它出现在字符串的最开始，或者它前面有一个“单词”（单词在这里被松散地定义为\S+），它是而不是国家代码前缀

下面是对所用正则表达式的解释：

(?:
    ^          from the start of the string
    |          OR
    (?<!\S)    assert that what precedes is whitespace or start of the string
    (?!\+\d+)  assert that what follows is NOT a country code prefix
    \S+        match the non prefix "word", followed by a space
)
(\d{9})        match and capture the 9 digit number
\b             word boundary