如何在Python中删除重复的拨号代码？

Question

我正在尝试标准化国际电话号码的数据框列。除了重复的拨号代码，我已经设法摆脱了一切

例如，一些德国号码的格式为“00 49 49 7 123 456 789”，即它们包含两个连续的拨号代码（49）。我想知道是否有一个简单的解决办法，摆脱重复，并留下号码为“00 49 7 123 456 789”

我尝试了一些regex和itertools.groupby解决方案，但是没有成功，因为不同拨号代码的差异会导致问题

谢谢你的帮助

Answer 1

这是一个非常数据驱动的问题，因此根据您处理的实际数据，解决方案可能会有很大的变化。无论如何，这将实现您想要实现的目标：

number = "00 49 49 7 123 456 789"
# Split the number to a list of number parts
num_parts = number.split()
# Define the latest position to look for a dial number
dial_code_max_pos = 4
# Iterator of tuples in the form of (number_part, next_number_part)
first_parts_with_sibling = zip(
    num_parts[:dial_code_max_pos],
    num_parts[1:dial_code_max_pos]
)
# Re-build the start of the number but removing the parts 
# that have an identical right-sibling
first_parts_with_no_duplicates = [
    num[0] for num in first_parts_with_sibling
    if len(set(num)) > 1  # This is the actual filter
]
# Compose back the number
number = ' '.join(first_parts_with_no_duplicates + num_parts[dial_code_max_pos - 1:])

同样，这种规格化在生产中是非常危险的，由于算法没有覆盖所有可能的数据类型，最终可能会丢失有价值的数据

正如@Clèment在其评论中所说的，在应用任何转换之前，请确保对原始数字（即：长度）进行一些检查