常见正则表达式剖析

程序员文章站 2022-07-13 13:32:36

...

没错，又是正则，没办法，这东西入门很简单，但真正能写好，那是真心难，继续学吧。。。
基本语法我在这里就不赘述了，需要的话可以关注我公众号，里面有很详细的语法介绍和示例。

今天我们来针对几个常见的正则来慢慢刨析

电话号码

这个应该是最常用的，没有之一了吧

手机号

中国的手机号码都是11位数字，所以，最简单的表达式就是：

[0-9]{11}

不过，目前手机号第1位都是1，第2位取值为3、4、5、7、8之一，所以，更精确的表达式是：

1[3|4|5|7|8|][0-9]{9}

为方便表达手机号，手机号中间经常有连字符(即减号’-’)，形如：
186-1234-5678

为表达这种可选的连字符，表达式可以改为：

1[3|4|5|7|8|][0-9]-?[0-9]{4}-?[0-9]{4}

在手机号前面，可能还有0、+86或0086，和手机号码之间可能还有一个空格，比如：
018612345678
+86 18612345678
0086 18612345678

为表达这种形式，可以在号码前加如下表达式：

((0|\+86|0086)\s?)?

如果为了抽取，也要在左右加环视边界匹配，左右不能是数字。所以，完整的表达式为：

(?<![0-9])((0|\+86|0086)\s?)?1[3|4|5|7|8|][0-9]-?[0-9]{4}-?[0-9]{4}(?![0-9])

用Java表示的代码为：

public static Pattern MOBILE_PHONE_PATTERN = Pattern.compile(
     "(?<![0-9])" // 左边不能有数字
     + "((0|\\+86|0086)\\s?)?" // 0 +86 0086
     + "1[3|4|5|7|8|][0-9]-?[0-9]{4}-?[0-9]{4}" // 186-1234-5678
     + "(?![0-9])"); // 右边不能有数字

固定电话

不考虑分机，中国的固定电话一般由两部分组成：区号和市内号码，区号是3到4位，市内号码是7到8位。区号以0开头，表达式可以为：

0[0-9]{2,3}

市内号码表达式为：

[0-9]{7,8}

区号可能用括号包含，区号与市内号码之间可能有连字符，如以下形式：
010-62265678
(010)62265678

整个区号是可选的，所以整个表达式为：

(\(?0[0-9]{2,3}\)?-?)?[0-9]{7,8}

再加上左右边界环视，完整的Java表示为：

public static Pattern FIXED_PHONE_PATTERN = Pattern.compile(
     "(?<![0-9])" // 左边不能有数字
     + "(\\(?0[0-9]{2,3}\\)?-?)?" // 区号
     + "[0-9]{7,8}"// 市内号码
     + "(?![0-9])"); // 右边不能有数字

身份证号码

身份证有一代和二代之分，一代是15位数字，二代是18位，都不能以0开头，对于二代身份证，最后一位可能为x或X，其他是数字。

一代身份证表达式可以为：

[1-9][0-9]{14}

二代身份证可以为：

[1-9][0-9]{16}[0-9xX]

这两个表达式的前面部分是相同的，二代身份证多了如下内容：

[0-9]{2}[0-9xX]

所以，它们可以合并为一个表达式，即：

[1-9][0-9]{14}([0-9]{2}[0-9xX])?

加上左右边界环视，完整的Java表示为：

public static Pattern ID_CARD_PATTERN = Pattern.compile(
    "(?<![0-9])" // 左边不能有数字
    + "[1-9][0-9]{14}" // 一代身份证
    + "([0-9]{2}[0-9xX])?" // 二代身份证多出的部分
    + "(?![0-9])"); // 右边不能有数字

符合这个要求的就一定是身份证号码吗？当然不是，身份证还有一些其他的要求，这里就不探究了

邮箱

完整的Email规范比较复杂，我们先看一些实际中常用的。

比如新浪邮箱，它的格式如：

[email protected]

对于用户名部分，它的要求是：4-16个字符，可使用英文小写、数字、下划线，但下划线不能在首尾。
怎么验证用户名呢？可以为：

[a-z0-9][a-z0-9_]{2,14}[a-z0-9]

新浪邮箱的完整Java表达式为：

public static Pattern SINA_EMAIL_PATTERN = Pattern.compile(
     "[a-z0-9]" 
     + "[a-z0-9_]{2,14}"
     + "[a-z0-9]@sina\\.com");

我们再来看QQ邮箱，它对于用户名的要求为：

3-18字符，可使用英文、数字、减号、点或下划线
必须以英文字母开头，必须以英文字母或数字结尾
点、减号、下划线不能连续出现两次或两次以上

如果只有第一条，可以为：

[-0-9a-zA-Z._]{3,18}

为满足第二条，可以改为：

[a-zA-Z][-0-9a-zA-Z._]{1,16}[a-zA-Z0-9]

怎么满足第三条呢？可以使用边界环视，左边加如下表达式：

(?![-0-9a-zA-Z._]*(--|\.\.|__))

完整表达式可以为：

(?![-0-9a-zA-Z._]*(--|\.\.|__))[a-zA-Z][-0-9a-zA-Z._]{1,16}[a-zA-Z0-9]

QQ邮箱的完整Java表达式为：

public static Pattern QQ_EMAIL_PATTERN = Pattern.compile(
    "(?![-0-9a-zA-Z._]*(--|\\.\\.|__))" // 点、减号、下划线不能连续出现两次或两次以上
    + "[a-zA-Z]" // 必须以英文字母开头
    + "[-0-9a-zA-Z._]{1,16}" // 3-18位 英文、数字、减号、点、下划线组成
    + "[a-zA-Z0-9]@qq\\.com"); // 由英文字母、数字结尾

以上都是特定邮箱服务商的要求，一般的邮箱是什么规则呢？一般而言，以@作为分隔符，前面是用户名，后面是域名。
用户名的一般规则是：

由英文字母、数字、下划线、减号、点号组成
至少1位，不超过64位
开头不能是减号、点号和下划线

比如：
[email protected]

这个表达式可以为：

[0-9a-zA-Z][-._0-9a-zA-Z]{0,63}

域名部分以点号分隔为多个部分，至少有两个部分。最后一部分是*域名，由2到3个英文字母组成，表达式可以为：

[a-zA-Z]{2,3}

对于域名的其他点号分隔的部分，每个部分一般由字母、数字、减号组成，但减号不能在开头，长度不能超过63个字符，表达式可以为：

[0-9a-zA-Z][-0-9a-zA-Z]{0,62}

所以，域名部分的表达式为：

([0-9a-zA-Z][-0-9a-zA-Z]{0,62}\.)+[a-zA-Z]{2,3}

完整的Java表示为：

public static Pattern GENERAL_EMAIL_PATTERN = Pattern.compile(
    "[0-9a-zA-Z][-._0-9a-zA-Z]{0,63}" // 用户名
    + "@"
    + "([0-9a-zA-Z][-0-9a-zA-Z]{0,62}\\.)+" // 域名部分
    + "[a-zA-Z]{2,3}"); // *域名

日期

日期的表示方式有很多种，我们只看一种，形如：
2017-06-21
2016-11-1

年月日之间用连字符分隔，月和日可能只有一位。
最简单的正则表达式可以为：

\d{4}-\d{1,2}-\d{1,2}

年一般没有限制，但月只能取值1到12，日只能取值1到31，怎么表达这种限制呢？

对于月，有两种情况，1月到9月，表达式可以为：

0?[1-9]

10月到12月，表达式可以为：

1[0-2]

所以，月的表达式为：

(0?[1-9]|1[0-2])

对于日，有三种情况：
1到9号，表达式为：0?[1-9]
10号到29号，表达式为：[1-2][0-9]
30号和31号，表达式为：3[01]
所以，整个表达式为：

\d{4}-(0?[1-9]|1[0-2])-(0?[1-9]|[1-2][0-9]|3[01])

加上左右边界环视，完整的Java表示为：

public static Pattern DATE_PATTERN = Pattern.compile(
     "(?<![0-9])" // 左边不能有数字
     + "\\d{4}-" // 年
     + "(0?[1-9]|1[0-2])-" // 月
     + "(0?[1-9]|[1-2][0-9]|3[01])"// 日
     + "(?![0-9])"); // 右边不能有数字

URL

URL的格式比较复杂，我们只考虑http协议，其通用格式是：

http://<host>:<port>/<path>?<searchpart>

开始是http://，接着是主机名，主机名之后是可选的端口，再之后是可选的路径，路径后是可选的查询字符串，以?开头。

主机名中的字符可以是字母、数字、减号和点号，所以表达式可以为：

[-0-9a-zA-Z.]+

端口部分可以写为：

(:\d+)?

路径由多个子路径组成，每个子路径以/开头，后跟零个或多个非/的字符，简单的说，表达式可以为：

(/[^/]*)*

更精确的说，把所有允许的字符列出来，表达式为：

(/[-\w$.+!*'(),%;:@&=]

对于查询字符串，简单的说，由非空字符串组成，表达式为：

\?[\S]*

更精确的，把所有允许的字符列出来，表达式为：

\?[-\w$.+!*'(),%;:@&=]*

路径和查询字符串是可选的，且查询字符串只有在至少存在一个路径的情况下才能出现，其模式为：

(/<sub_path>(/<sub_path>)*(\?<search>)?)?

所以，路径和查询部分的简单表达式为：

(/[^/]*(/[^/]*)*(\?[\S]*)?)?

精确表达式为：

(/[-\w$.+!*'(),%;:@&=]*(/[-\w$.+!*'(),%;:@&=]*)*(\?[-\w$.+!*'(),%;:@&=]*)?)?

HTTP的完整Java表达式为：

public static Pattern HTTP_PATTERN = Pattern.compile(
    "http://" + "[-0-9a-zA-Z.]+" // 主机名
    + "(:\\d+)?" // 端口
    + "(" // 可选的路径和查询 - 开始
    + "/[-\\w$.+!*'(),%;:@&=]*" // 第一层路径
    + "(/[-\\w$.+!*'(),%;:@&=]*)*" // 可选的其他层路径
    + "(\\?[-\\w$.+!*'(),%;:@&=]*)?" // 可选的查询字符串
    + ")?"); // 可选的路径和查询 - 结束

IP地址

IP地址格式如下：

192.168.112.110

点号分隔，4段数字，每个数字范围是0到255。最简单的表达式为：

(\d{1,3}\.){3}\d{1-3}

\d{1,3}太简单，没有满足0到255之间的约束，要满足这个约束，就要分多种情况考虑。

值是1位数，前面可能有0到2个0，表达式为：

0{0,2}[0-9]

值是两位数，前面可能有一个0，表达式为：

0?[0-9]{2}

值是三位数，又要分为多种情况。以1开头的，后两位没有限制，表达式为：

1[0-9]{2}

以2开头的，如果第二位是0到4，则第三位没有限制，表达式为：

2[0-4][0-9]

如果第二位是5，则第三位取值为0到5，表达式为：

25[0-5]

所以，\d{1,3}更为精确的表示为：

(0{0,2}[0-9]|0?[0-9]{2}|1[0-9]{2}|2[0-4][0-9]|25[0-5])

所以，加上左右边界环视，IP地址的完整Java表示为：

public static Pattern IP_PATTERN = Pattern.compile(
     "(?<![0-9])" // 左边不能有数字
     + "((0{0,2}[0-9]|0?[0-9]{2}|1[0-9]{2}|2[0-4][0-9]|25[0-5])\\.){3}"
     + "(0{0,2}[0-9]|0?[0-9]{2}|1[0-9]{2}|2[0-4][0-9]|25[0-5])"
     + "(?![0-9])"); // 右边不能有数字

常见正则表达式剖析

电话号码

身份证号码

邮箱

日期

URL

IP地址

php用正则表达式匹配URL的简单方法

ORACLE数据库应用开发常见问题及排除

Oracle常见错误代码的分析与解决

arduino板子驱动连接不上（常见arduino的11个故障和对应措施）

Python scrapy 常见问题及解决【遇到的坑】

vue性能优化有哪些（vue常见的性能优化方式）

Android EdText编辑框禁止输入表情符号(使用正则表达式)

tensorflow-gpu安装的常见问题及解决方案

Python正则表达式：re模块

PHP开发中常见的安全问题详解和解决方法（如Sql注入、CSRF、Xss、CC等）

常见正则表达式剖析

电话号码

身份证号码

邮箱

日期

URL

IP地址

php用正则表达式匹配URL的简单方法

ORACLE数据库应用开发常见问题及排除

Oracle常见错误代码的分析与解决

arduino板子驱动连接不上（常见arduino的11个故障和对应措施）

Python scrapy 常见问题及解决 【遇到的坑】

vue性能优化有哪些（vue常见的性能优化方式）

Android EdText编辑框禁止输入表情符号(使用正则表达式)

tensorflow-gpu安装的常见问题及解决方案

Python正则表达式：re模块

PHP开发中常见的安全问题详解和解决方法（如Sql注入、CSRF、Xss、CC等）

Python scrapy 常见问题及解决【遇到的坑】