[python] 문자열에서 010-1234-5678 형태의 전화번호만 추출하기(정규식)

인터넷 상에서 노출되어 있는 전화번호를 수집하여 보이스 피싱 범죄 단체가 있다고 가정하겠습니다. 그렇다면 온갖 웹사이트를 크롤링해가면서, 텍스트 중에 전화번호의 형태를 갖춘 것만 저장하려고 노력하겠죠? 이런 경우에 정규식을 활용하면 조금 더 쉽게 전화번호만 찾아낼 수 있을 것입니다. (저는 보이스피싱범들이 실제로 어떻게 번호를 수집하는지 잘 모릅니다. 다만, 보이스피싱범들의 수법을 예상해보는 것입니다.)

 

파이썬의 re 패키지를 활용하면 정규식 문제를 쉽게 해결할 수 있습니다. 

 

import re

p = re.compile(r'\d+[-]\d+[-]\d+')

data = '''
안녕하세요. 맛집 블로거 맛있어맛있어입니다. 
제 연락처는 아래 있습니다.
김과장 010-1234-5678
홍길동 019-9999-9999
파이썬 정규식
031-1111-1111 서점
보이스 피싱 당하지 마세요.
02-1234-1234 떡볶이집
'''

phone_number_list = p.findall(data)
print(phone_number_list)

 

위 코드를 살펴보면 먼저 \d+[-]\d+[-]\d+라는 패턴을 만들고, 그 패턴에 부합하는 것만 찾아서 리스트에 담아줍니다. \d는 숫자를 뜻하고 +는 반복을 뜻합니다. 즉, 숫자의 반복 - 숫자의 반복 - 숫자의 반복 패턴을 갖는 것을 모두 찾으라는 뜻이 됩니다. 

 

 

관련 글

- [python] 문자열에서 한 자리 이상의 숫자들 추출하여 리스트로 만들기(정규식)