Se são os próprios usuários que colocam os telefones nos comentários, então não há muito controle sobre o formato.
Claro que você pode considerar alguns formatos mais comuns. Pelos seus exemplos, vi que podem ser os 9 dígitos do número do celular, todos juntos ou separados por espaços (999999999
, 9 9999 9999
ou 99999 9999
), sendo o DDD opcional.
A resposta do @LipESprY sugere uma regex bem complexa para contemplar estes (e muitos outros) casos, mas a sintaxe de regex suportada pelo MySQL infelizmente é um pouco limitada e não vai suportar todos os recursos propostos, como \d
para representar dígitos ou os lookaheads e lookbehinds (os trechos que começam com (?=
, (?!
e (?<!
).
Sendo assim, segue uma alternativa que verifica alguns formatos:
select * from tabela where comentario REGEXP
'(^|[^0-9])(\\(?0?[0-9]{2}\\)?)?9 ?[0-9]{4} ?[0-9]{4}([^0-9]|$)';
(^|[^0-9])
: o |
significa "ou". Portanto, este trecho significa "início da string" (^
) ou "qualquer coisa que não seja número" (o [^
significa que não quero o que vem depois, ou seja, não quero 0-9
- nenhum dígito de zero a 9).
Isso garante que até aqui eu posso estar no início da string (vai que o telefone já está no início), ou tem qualquer caractere que não seja um número (evitando que pegue casos como 3393333333333333333
).
Em seguida temos (\\(?0?[0-9]{2}\\)?)?
. Vamos por partes, de dentro para fora:
0?[0-9]{2}
- um zero opcional (0?
- o ?
indica "zero ou uma ocorrência", o que é o mesmo que dizer "opcional"), seguido de 2 dígitos ([0-9]
é qualquer dígito de 0 a 9, e {2}
que dizer "duas ocorrências"), pois o DDD pode ser escrito como 11
ou 011
\\(?
e \\)?
- os parênteses podem ser opcionais. Fiz assim porque somente os parênteses (
e )
têm significado especial em regex, pois servem para agrupar sub-expressões. Por isso temos que escapá-los com \\
.
- por fim, todo este trecho está entre parênteses (ou seja, agrupado em uma única sub-expressão), e o
?
no final faz todo este trecho ser opcional.
Ou seja, o DDD é opcional.
Depois temos 9 ?
, que é o número 9 seguido de um espaço opcional (repare que há um espaço antes do ?
, ou seja, o espaço que é opcional, não o 9
). Aqui estou assumindo que serão somente números de celular que começam com 9 - lembrando que futuramente poderemos ter celulares que começam com 8, 7, etc, então fica a seu critério deixar sempre 9
ou trocar para [0-9]
(ou [7-9]
se quiser que comece somente com 7, 8 ou 9, etc).
Depois temos [0-9]{4}
(4 dígitos), seguido de um espaço opcional, mais 4 dígitos.
E por fim, temos ([^0-9]|$)
: qualquer caractere que não seja número ou o final da string ($
). Isso também garante que não vai pegar mais dígitos que o necessário, evitando que pegue por exemplo 3393333333333333333
.
Neste SQLfiddle você pode ver esta query funcionando.
Se quiser incrementar, pode colocar o separador como hífen ou espaço, por exemplo, assim seriam aceitos números como 9 9123-4567
ou 99123-4567
. Basta trocar os espaços opcionais por [ \\-]?
(um espaço ou um hífen, opcional). A regex ficaria assim:
select * from tabela where comentario REGEXP
'(^|[^0-9])(\\(?0?[0-9]{2}\\)?)?9[ \\-]?[0-9]{4}[ \\-]?[0-9]{4}([^0-9]|$)';
Veja aqui ela funcionando.
Também é possível adicionar um espaço opcional depois do DDD:
(^|[^0-9])(\\(?0?[0-9]{2}\\)?)? ?9 ?[0-9]{4} ?[0-9]{4}([^0-9]|$)
^^
Sem esse espaço, o DDD é ignorado para casos como (11) 9 9123 4567
- somente o número de telefone é capturado pela regex, mas o DDD não, veja aqui um exemplo. Já colocando o espaço opcional, o DDD também é capturado, veja aqui a diferença.
Outro detalhe é que estamos considerando apenas números de celular. Mas ainda existem números de telefone com 8 dígitos (em residências nem tanto, mas em empresas, ainda é bem comum). Se também quiser considerar estes números, basta colocar o 9 como opcional:
(^|[^0-9])(\\(?0?[0-9]{2}\\)?)? ?9? ?[0-9]{4} ?[0-9]{4}([^0-9]|$)
^^
Só lembrando que, como são os usuários que digitam seus números, sempre poderá haver algum formato estranho que você não previu. E quanto mais possibilidades, mais complexa vai ficando a regex.
Por exemplo, a regex que sugeri só considera um espaço em branco opcional. Mas se quiser que tenha mais de um espaço, pode trocar o ?
por *
(zero ou mais ocorrências), ou limitar a quantidade com chaves (por exemplo, {0,3}
limita entre 0 a 3 ocorrências).
Há também a possibilidade de um CPF ser confundido com um telefone, já que ambos podem ser escritos sem nenhum separador (43912341222
pode ser tanto um CPF quanto um DDD + telefone - mesmo que as pessoas costumem escrever o CPF como 439.123.412-22
, quem garante que não vai ter um caso assim? De qualquer forma, veja se isso se aplica aos seus casos). Enfim, regex não é um negócio tão "mágico" assim, e cabe a você avaliar se vai confiar tanto nela ao ponto de remover automaticamente qualquer coisa que ela pegar...
Talvez seja melhor seguir a sugestão dada na resposta do @LipESprY e verificar isso antes de inserir no banco. Não sei qual linguagem você está usando, mas a maioria delas possui engines de regex mais modernas, o que permite escrever expressões como essa, por exemplo (que usa \b
para delimitar os telefones, sem precisar usar o "truque" que fiz acima com (^|[^0-9])
e ([^0-9]|$)
, além de usar \d
como um atalho para [0-9]
e \s
para espaços).