← 返回文章列表 ｜ 代做服务

从一堆Excel里批量提取手机号并去重

客户名单散落在几十个Excel里，手机号有的带横线（138-1234-5678）、有的带空格、有的是纯数字，还要混在备注里。手工整理到崩溃？下面这份脚本一次搞定：提取 → 清洗 → 校验 → 去重 → 统计来源次数。

核心脚本（实跑通过版）

import openpyxl, re, glob

# 负向断言：左右都不是数字，防止从长订单号里"截"出假手机号
PAT = re.compile(r'(? 出现次数
for p in sorted(glob.glob('客户表/*.xlsx')):
    wb = openpyxl.load_workbook(p, data_only=True)
    for ws in wb:                     # 每个sheet都要扫
        for row in ws.iter_rows(values_only=True):
            for cell in row:
                if cell is None: continue
                for m in PAT.findall(str(cell)):
                    n = norm(m)
                    if n: seen[n] = seen.get(n, 0) + 1

# 导出
out = openpyxl.Workbook(); ows = out.active
ows.append(["手机号", "出现次数"])
for k, c in seen.items(): ows.append([k, c])
out.save('手机号清单.xlsx')

实跑结果

测试数据：5行客户表（3种格式混用）+ 1个含13位长数字串的边角文件。

• 4个去重号码全部提取成功： 138-1234-5678 、13912345678、13812345678、13800000000、13900001111（前两个归一化后是同一号码，正确合并）
• 13位长数字串 1238123456789 未误报——负向断言把整串挡住了
• 重复扫描同一文件后次数正确累加（13812345678出现4次=2行×2次扫描），说明去重靠的是dict键不是"碰巧没重复"

3个真坑（都是实跑撞出来的）

坑1：不带边界的正则会从长数字串里"截"出手机号

如果写成 1[3-9]\d{9} 直接 findall，遇到13位订单号 1238123456789 不会命中（第2位是2），但遇到 91381234567800 这类串就会从中间抠出 13812345678——把订单号的碎片当成客户号码群发短信，事故级别。必须加 (?。