Início / unix / Perguntas / 441676
Accepted
Chuck
Asked: 2018-05-04 15:47:05 +0800 CST

Como posso padronizar os números de telefone em um arquivo de texto?

  • 772

Recebo periodicamente um arquivo de texto com números de telefone formatados de maneiras totalmente diferentes: ##########, ###-###-####, (###) ###-###, etc. Normalmente, há dez dígitos, mas já vi +1 (###) ###-####.

Eventualmente, o arquivo é importado para um banco de dados, mas por motivos que não vou abordar, seria útil ter os números de telefone em um formato padrão, (###) ###-####.

A única constante é que os números de telefone sempre ficam entre o segundo e o terceiro caractere de tabulação em cada linha.

Existe uma maneira de fazer isso a partir da linha de comando?

text-processing

3 respostas

  1. Você pode construir uma expressão regular que corresponda a qualquer um dos formatos e capture os dígitos e os substitua novamente no formato desejado.

    Por exemplo, para corresponder e capturar uma sequência de três dígitos decimais opcionalmente entre parênteses com uma Expressão Regular Estendida (ERE), você pode escrever \(?([0-9]{3})\)?enquanto [- ]?corresponde a um hífen ou espaço opcional. Construindo desta forma

    \(?([0-9]{3})\)?[- ]?([0-9]{3})[- ]?([0-9]{4})

    corresponderá a 3 dígitos opcionalmente entre parênteses, opcionalmente seguidos por um hífen ou espaço, depois mais dígitos opcionalmente seguidos por um hífen ou espaço, seguidos por 4 dígitos.

    Aplicando a expressão em uma sedsubstituição:

    $ cat <<EOF | sed -E 's/\(?([0-9]{3})\)?[- ]?([0-9]{3})[- ]?([0-9]{4})/(\1) \2-\3/g'
I periodically receive a text file with phone numbers formatted 
in wildly different ways: 123 456-7890, 123 456-7890, 123 456-7890, 
etc. Usually there's ten digits, but I've seen +1 555 456-7890.
EOF
I periodically receive a text file with phone numbers formatted 
in wildly different ways: (123) 456-7890, (123) 456-7890, (123) 456-7890, 
etc. Usually there's ten digits, but I've seen +1 (555) 456-7890.
    • 1
  2. Best Answer

    Isso deve cobrir você, desde que o arquivo seja como você descreveu. O comando preserva as informações antes e depois do número de telefone e as formata da maneira que você solicitou. Se a saída parecer boa, adicione a -iopção para sededitá-la no local ou forneça o redirecionamento de saída usando > output_fileno final.

    sed -E "s/(.*\t.*\t)\+?1?[[:space:]]?\(?([0-9]{3})\)?.*([0-9]{3}).*([0-9]{4})(.*)/\1\(\2\)\ \3-\4\5/g" filename

    Eu testei em um arquivo contendo este texto:

        jfk 902-765-9292 hat jump cat
    jk  902 819 2244 hat jump cat
    98  902 823-4456 hat jump cat
    78h +1 075 242 1566 hat jump cat
jklj    kjlj    +1 075-242-1566 hat jump cat
jk  jkj +1 (075) 242-1566 hat jump cat
    kj  (204) 799-9810 hat jump cat
kj  89  (204)-799-9810 hat jump cat

    A saída foi:

        jfk (902) 765-9292 hat jump cat
    jk  (902) 819-2244 hat jump cat
    98  (902) 823-4456 hat jump cat
    78h (075) 242-1566 hat jump cat
jklj    kjlj    (075) 242-1566 hat jump cat
jk  jkj (075) 242-1566 hat jump cat
    kj  (204) 799-9810 hat jump cat
kj  89  (204) 799-9810 hat jump cat
    • 1

  3. Você precisa igualar o campo e reformatá-lo; aqui está um script awk que procura por três variações e as reformata (antes da impressão padrão da linha reconstituída):

    $3 ~ /^[0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9]$/ {
        $3="(" substr($3, 1, 3) ") " substr($3, 4, 3) "-" substr($3, 7, 4)
}

$3 ~ /^[0-9][0-9][0-9]-[0-9][0-9][0-9]-[0-9][0-9][0-9][0-9]$/ {
        $3="(" substr($3, 1, 3) ") " substr($3, 5, 3) "-" substr($3, 9, 4)
}

$3 ~ /^\+1 \([0-9][0-9][0-9]\) [0-9][0-9][0-9]-[0-9][0-9][0-9][0-9]$/ {
        $3="(" substr($3, 5, 3) ") " substr($3, 10, 3) "-" substr($3, 14, 4)
}

1

    Salve isso em um arquivo, talvez phone.awk, e chame-o com: awk -F $'\t' -f phone.awk < input.

    • 1

relate perguntas