undefined
Blog > Web Scraping > Post

RegEx: Extrahieren aller Telefonnummern aus Zeichenketten

Monday, December 05, 2022

Manchmal kann ein Regex-Tool Ihnen dabei helfen, die brauchenden Zeichen aus einer Zeichenketten abzurufen. In diesem Artikel geben wir Ihnen die grundlegenden Informationen von RegEx und dessen Verwendung.

Dann fangen wir an!

 

 

 

👉🏻 Was ist RegEx?

In der allgemeinen Informatik ist eine Regular Expression (abgekürzt als RegEx oder RegExp) ein regulärer Ausdruck. Also eine Zeichenfolge, mit der eine Reihe von Zeichenfolgen mithilfe einiger Syntaxregeln beschrieben wird. Diese sind vor allem in der Softwareentwicklung und im Webdesign in Verwendung. RegEx ist zum Beispiel bei Anwendungen wichtig, die Eingaben des Benutzers erwarten. Das ist etwa bei bei Online-Formularen der Fall.

 

"Ein regulärer Ausdruck (englisch regular expression, Abkürzung RegExp oder RegEx) ist in der theoretischen Informatik eine Zeichenkette, die der Beschreibung von Mengen von Zeichenketten mithilfe bestimmter syntaktischer Regeln dient." 

——Zitiert von Wikipedia.de

 

Wie können wir mithilfe eines regulären Ausdrucks Telefonnummern aus den Zeichenketten auslesen?

In einigen Fällen sind die Telefonnummer mit anderen Informationen in einer Zeichenkette dargestellt. Wenn man nur die Infos von Telefonnummern auslesen möchte, soll man unbedingt das RegExp für den einmaligen Abruf aller Daten einschreiben, statt "Control + F", "Control + C" und "Control + V" für jede Daten zu tippen.

Mit RegEx kann man die Daten mit Gleichheiten, sowie die Nummern, Namen, Datum, dessen Koden in Formen keine Unterschiede haben, sehr einfach und schnell abrufen.

 

 

👉🏻 Die RegEx-Grundregeln

Wenn Sie Telefonnummern mithilfe von RegEx Ausdrücken extrahieren möchten, aber nicht wissen, wie man einen solchen Ausdruck schreibt, kann Ihnen dieser Artikel dabei helfen.

Es kostet Zeit, RegEx von Grund auf zu erlernen. Wenn Sie RegEx jedoch häufig bei Ihrer täglichen Arbeit verwenden und dadurch Ihre Produktivität erheblich steigern können, lohnt es dann die Mühe.

 

 
Zeichen Erklärung
[abc] Mit den eckigen Klammern [ und ] wird eine Zeichenauswahl definiert. Das Beispiel findet eines dieser Zeichen.
[a-e] Ein Bindestrich definiert einen bestimmten Bereich. Das Beispiel findet die Zeichen a, b, c, d und e. Auch hier muss nur eines der Zeichen zutreffen.
[a-zA-Z0-9] Innerhalb einer Zeichenauswahl können auch mehrere Gruppen und Einzelzeichen stehen. Im Beispiel entspricht die Zeichenauswahl den Kleinbuchstaben a bis z, den Großbuchstaben A bis Z und sowie den Ziffern 0 bis 9.
[0-9] Der Bindestrich lässt sich auch nur auf Zahlen anwenden. Das Beispiel steht für die Ziffern 0 bis 9
[^a] Durch das ^ Zeichen am Anfang einer Zeichenauswahl wird diese negiert. Das bedeutet, dass es jedes Zeichen finden würde bis auf das nach dem ^.
^a Steht dieses Zeichen nicht innerhalb einer Klammer, so bedeutet es, dass es für den Anfang eines Textes steht.
a$ Dieses Zeichen steht für das Ende einer Zeile oder einer Zeichenkette.
. Der Punkt steht für ein beliebiges Zeichen und kann somit jedes Zeichen finden.
a* Das Zeichen vor dem Stern darf beliebig oft vorkommen.
.* Punkt und Stern in Kombination findet X-beliebig viele Zeichen.
a+ Das Zeichen vor dem + muss mindestens einmal vorkommen.
ab{2} Die Buchstaben die davor stehen, müssen exakt 2 Mal gefunden werden.
ab? Das Fragezeichen bedeutet, dass das Zeichen vorkommen kann aber es muss nicht vorkommen.
(a|A) Die Pipe | agiert als ODER. Es darf nur eines der beiden Zeichen(-ketten) vorkommen.
$1 Ist die Rückwärtsreferenz auf eine Gruppe bzw. ein Teilmuster. Vor allem für das Suchen und Ersetzen wichtig. $1 bezieht sich auf die erste Klammer- Gruppe.

Da die Grundregeln für Einsteriger*innen ziemlich kompliziert sind, bieten wir in diesem Artikel eine einfachere Methode. Wenn Sie die Vorteile von RegEx auf einfache Weise nutzen wollen, ist ein RegEx-Tool genau das Richtige für Sie.

 

 

👉🏻 RegEx-Tool von Octoparse

Es gibt einige gebrauchsfertige Tools, die das Schreiben von RegEx vereinfachen können. Octoparse hat ein eingebautes RegEx-Tool, um diese Aufgabe zu erledigen.

 

RegEx Tool von Octoparse

 

Mit diesem einfach zu bedienenden Tool brauchen Sie sich nur darum zu kümmern, das Muster der gesuchten Telefonnummern im Text zu finden.

 

 Hier bekommen Sie Octoaprse! 🤩

💰 Preis: $0~$249 pro Monat 

📦 Packet & Preise: Octoparse Premium-Preise & Verpackung

🎁 Kostenlose Testversion: 14-tägige kostenlose Testversion

⚡ Herunterladen: Octoparse für Windows und MacOs

 

Beispiele für Scrapen von Telefonnummern durch RegEx

Es kann sich um mehrere Telefonnummern in einer einzigen großen Zeichenkette handeln, und diese Telefonnummern können in verschiedenen Formaten vorliegen. Hier ist ein Beispiel für das Dateiformat:

 

  • (021)1234567

  • (123) 456 7899

  • (123).456.7899

  • (123)-456-7899

  • 123-456-7899

  • 123 456 7899

  • 1234567899

  • 0511-4405222

  • 021-87888822

  • +8613012345678

  • ..

 

Was ist die einfachste Methode, um Telefonnummer wie diese zu extrahieren? Jetzt verwenden wir das Tool, um reguläre Ausdrücke zu generieren und alle Telefonnummern schnell zu finden.

Finden Sie zunächst das gemeinsame Zeichen, mit dem jede Telefonnummer beginnt und endet. Zum Beispiel finde ich für den oben genannten Zieltext den unten dargestellten Quellcode.

 

<p>Hier ist ein Beispiel für ein Dateiformat </p>

<ul>

<li>(021)1234567 </li>

<li>(123) 456 7899 </li>

<li>(123).456.7899 </li>

<li>(123)-456-7899 </li>

<li>123-456-7899 </li>

<li>123 456 7899 </li>

<li>1234567899 </li>

<li>0511-4405222 </li>

<li>021-87888822 </li>

<li>+8613012345678 </li>

<li>... </li>

</ul>

 

Jede Telefonnummer beginnt mit <li> und endet mit </li>.

Und wir können das RegEx-Tool in Octoparse verwenden, um schnell alle Telefonnummern zu extrahieren.

✅ Starten Sie Octoparse und öffnen Sie das RegEx-Tool.

✅ Kopieren Sie den Quellcode und fügen Sie ihn in das Feld "Original Text" ein.

✅ Wählen Sie dann die Option "Start with" und geben Sie "<li>" ein.

✅ Wählen Sie dann die Option "End with" und geben Sie "</li>" ein.

✅ Vergessen Sie nicht, die Option "Match All" zu wählen.

✅ Klicken Sie auf "Match".

RegEx Scrapen

 

RegEx Tool

 

Wenn Sie Probleme bei der Datenextraktion haben, oder uns etwas Vorschlägen geben möchten, kontaktieren Sie bitte uns per E-Mail (support@octoparse.com). 💬

 

Autor*in: Das Octoparse Team ❤️

 

Diese Website verwendet Cookies um Ihnen ein besseres Internet-Erlebnis zu ermöglichen. Lesen Sie wie wir Cookies verwenden und Sie können sie kontrollieren, indem Sie auf Cookie-Einstellungen klicken. Wenn Sie die Website weiter nutzen, akzeptieren Sie unsere Verwendung von Cookies.
Akzeptieren Ablehnen