帮老婆系列-从客服数据中提取工单号、工号等关键字

正则表达式是用来匹配字符串非常强大的工具，在其他编程语言中同样有正则表达式的概念，Python同样不例外，利用了正则表达式，我们想要提取出我们想要的内容就易如反掌了，本文是为了减轻老婆的工作写的一个小小的场景。

正则表达式的大致匹配过程是：

1.依次拿出表达式和文本中的字符比较， 2.如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。 3.如果表达式中有量词或边界，这个过程会稍微有一些不同。

文里其实比较简单，就是获取工单流水号，工号和答复内容。

import restr='''
：(服务补救)"录音流水号:(202201111111111111111111)"，"被投诉工号:(HH111111)"，"责任归属:属于业务代表办理出错责任"。
录音内容:客户来电要求把数据上网功能关闭，业务代表说有密码吗？随后转接，业务代表说已经帮忙关闭了，属于业务代表办理出错责任
'''
str='''已生202201111111111111111111处理，处理结果见2022022222222222222222，处理完毕后无需再添加归档补充意见。李四（60000）2/3
2/3  11:43联系1111111111111客户解释，其反馈的问题我们已经收到并正在进一步确认处理中，后续进展将会及时联系其告知，客户同意。张三（666666）'''
pattern1 = re.compile(r'[0-9a-zA-Z_]{20,30}')
result1 = pattern1.findall(str)
# print(result1)
pattern2 = re.compile(r'[a-zA-Z]{2,4}[0-9]{4,8}')
pattern3=re.compile(r'答复出错|解释不到位|提醒不到位|答复错误|办理出错|办理错误|不属于客服代表责任|不属于话务代表责任|不属于业务代表责任|服务态度')
pattern4=re.compile(r'(答复出错)|(解释不到位)|(提醒不到位)|(答复错误)|(办理出错)|(办理错误)|(不属于客服代表责任)|(不属于话务代表责任)|(不属于业务代表责任)|(服务态度)')
pattern5=re.compile(r'[(](答复出错)[)]|[(](解释不到位)[)]|[(](提醒不到位)[)]|[(](答复错误)[)]|[(](办理出错)[)]|[(](办理错误)[)]|[(](不属于客服代表责任)[)]|[(](不属于话务代表责任)[)]|[(](不属于业务代表责任)[)]|[(](服务态度)[)]')
pattern6=re.compile(r'[(]答复出错[)]|[(]解释不到位[)]|[(]提醒不到位[)]|[(]答复错误[)]|[(]办理出错[)]|[(]办理错误[)]|[(]不属于客服代表责任[)]|[(]不属于话务代表责任[)]|[(]不属于业务代表责任[)]|[(]服务态度[)]')
result12 = pattern2.findall(str)

liushui = re.compile(r'[(|（][0-9a-zA-Z_]{20,30}[)|）]', re.S) #最小匹配
gonghao = re.compile(r'[(|（][a-zA-Z]{2,4}[0-9]{4,8}[)|）]', re.S) #最小匹配
huifu=re.compile(r'[(|（]答复出错[)|）]|[(|（]解释不到位[)|）]|[(|（]提醒不到位[)|）]|[(|（]答复错误[)|）]|[(|（]办理出错[)|）]|[(|（]办理错误[)|）]|[(|（]不属于客服代表责任[)|）]|[(|（]不属于话务代表责任[)|）]|[(|（]不属于业务代表责任[)|）]|[(|（]服务态度[)|）]')

import xlrd3
# #打开excel
wb = xlrd3.open_workbook('20220330-4.5服务质量工单数据-(总）.xlsx')
#按工作簿定位工作表
sh = wb.sheet_by_name('Sheet1')
for i in range(1,sh.nrows):
    curvalue=sh.cell(i, 21).value
    print('第',i,'行~',liushui.findall(curvalue),'~',gonghao.findall(curvalue),'~',huifu.findall(curvalue))

前面是一些测试用例，后面才是真正的运行程序，正则表达式理解起来还是会有些困难，不过对于解决部分问题足够了。

运行结果的图，应老婆要求删除了。

充其量，我不过是一个正则表达式小白，应该还有更好更快捷的表达式。

此外需要改进的还挺多，比如在excel表中进行处理，还可以生成UI等等。

回头可以尝试一下生成UI，发给老婆自行处理

百度百科关于正则表达式中有很多的例子，大家可以借鉴一下

1.验证用户名和密码：（"^[a-zA-Z]\w{5,15}$"）正确格式："[A-Z][a-z]_[0-9]"组成,并且第一个字必须为字母6~16位；

2.验证电话号码：（"^(\d{3,4}-)\d{7,8}$"）正确格式：xxx/xxxx-xxxxxxx/xxxxxxxx；

3.验证手机号码（包含虚拟号码和新号码段）："^1([38][0-9]|4[5-9]|5[0-3,5-9]|66|7[0-8]|9[89])[0-9]{8}$"；

4.验证身份证号（15位）："\d{14}[[0-9],0-9xX]"，（18位）："\d{17}(\d|X|x)"；

5.验证Email地址：("^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$")；

6.只能输入由数字和26个英文字母组成的字符串：("^[A-Za-z0-9]+$")；

7.整数或者小数：^[0-9]+([.][0-9]+){0,1}$

8.只能输入数字："^[0-9]*$"。

9.只能输入n位的数字："^\d{n}$"。

10.只能输入至少n位的数字："^\d{n,}$"。

11.只能输入m~n位的数字："^\d{m,n}$"。

12.只能输入零和非零开头的数字："^(0|[1-9][0-9]*)$"。

13.只能输入有两位小数的正实数："^[0-9]+(\.[0-9]{2})?$"。

14.只能输入有1~3位小数的正实数："^[0-9]+(\.[0-9]{1,3})?$"。

15.只能输入非零的正整数："^\+?[1-9][0-9]*$"。

16.只能输入非零的负整数："^\-[1-9][0-9]*$"。

17.只能输入长度为3的字符："^.{3}$"。

18.只能输入由26个英文字母组成的字符串："^[A-Za-z]+$"。

19.只能输入由26个大写英文字母组成的字符串："^[A-Z]+$"。

20.只能输入由26个小写英文字母组成的字符串："^[a-z]+$"。

21.验证是否含有^%&',;=?

22.只能输入汉字："^[\u4e00-\u9fa5]{0,}$"。

23.验证URL："^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$"。

24.验证一年的12个月："^(0?[1-9]|1[0-2])$"正确格式为："01"～"09"和"10"～"12"。

25.验证一个月的31天："^((0?[1-9])|((1|2)[0-9])|30|31)$"正确格式为；"01"～"09"、"10"～"29"和“30”~“31”。

26.获取日期正则表达式：\\d{4}[年|\-|\.]\d{\1-\12}[月|\-|\.]\d{\1-\31}日?

评注：可用来匹配大多数年月日信息。

27.匹配双字节字符(包括汉字在内)：[^\x00-\xff]

评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）

28.匹配空白行的正则表达式：\n\s*\r

评注：可以用来删除空白行

29.匹配HTML标记的正则表达式：<(\S*?)[^>]*>.*?</>|<.*? />

评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力

30.匹配首尾空白字符的正则表达式：^\s*|\s*$

评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式

31.匹配网址URL的正则表达式：[a-zA-z]+://[^\s]*

评注：网上流传的版本功能很有限，上面这个基本可以满足需求

32.匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$

评注：表单验证时很实用

33.匹配腾讯QQ号：[1-9][0-9]{4,}

评注：腾讯QQ号从10 000 开始

34.匹配中国邮政编码：[1-9]\\d{5}(?!\d)

评注：中国邮政编码为6位数字

35.匹配ip地址：([1-9]{1,3}\.){3}[1-9]。

评注：提取ip地址时有用

36.匹配MAC地址：([A-Fa-f0-9]{2}\:){5}[A-Fa-f0-9]