欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

[原创] jQuery源码分析-02正则表达式-RegExp-常用正则表达式

程序员文章站 2022-03-02 11:09:48
...
作者:nuysoft/JS攻城师/高云 QQ:47214707 EMail:nuysoft@gmail.com    
声明:本文为原创文章,如需转载,请注明来源并保留原文链接。
后文预告:jQuery中的正则表达式分析
2.4	常用正则表达式
在网上找到一篇广为流传的文章《常用正则表达式》,逐一分析,不足地方进行补充和纠正。
常用的数字正则(严格匹配)

正则	含义
^[1-9]\d*$	匹配正整数
^-[1-9]\d*$	匹配负整数
^-?[1-9]\d*$	匹配整数
^[1-9]\d*|0$	匹配非负整数(正整数 + 0)
^-[1-9]\d*|0$	匹配非正整数(负整数 + 0)
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$	匹配正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$	匹配负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$ 	匹配浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$	匹配非负浮点数(正浮点数 + 0)
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$	匹配非正浮点数(负浮点数 + 0)
常用字符串正则

正则	含义	补充
^[A-Za-z]+$	匹配由26个英文字母组成的字符串	或 /^[a-z]+$/i
^[A-Z]+$	匹配由26个英文字母的大写组成的字符串	
^[a-z]+$	匹配由26个英文字母的小写组成的字符串	
^[A-Za-z0-9]+$	匹配由数字和26个英文字母组成的字符串	注意\w包含下划线_
^\w+$	匹配由数字、26个英文字母或者下划线组成的字符串	
常用数字正则和常用字符串正则,是最基本的正则应用,读者可以作为入门的练习,试试能不能快速的读懂其中的含义。
匹配中文字符

普遍使用的正则是[\u4e00-\u9fa5],但这个范围并不完整。例如:
/[\u4e00-\u9fa5]/.test( '⻏' ) // 测试部首⻏,返回false
根据Unicode 5.0版编码,要准确的判断一个中文字符要包括:
范围	含义	范围	含义
2E80-2EFF	CJK 部首补充	2F00-2FDF	康熙字典部首
3000-303F	CJK 符号和标点	31C0-31EF	CJK 笔画
3200-32FF	封闭式 CJK 文字和月份	3300-33FF	CJK 兼容
3400-4DBF	CJK 统一表意符号扩展 A	4DC0-4DFF	易经六十四卦符号
4E00-9FBF	CJK 统一表意符号	F900-FAFF	CJK 兼容象形文字
FE30-FE4F	CJK 兼容形式	FF00-FFEF	全角ASCII、全角标点
因此,正确的匹配中文字符正则表达式为:
var rcjk = /[\u2E80-\u2EFF\u2F00-\u2FDF\u3000-\u303F\u31C0-\u31EF\u3200-\u32FF\u3300-\u33FF\u3400-\u4DBF\u4DC0-\u4DFF\u4E00-\u9FBF\uF900-\uFAFF\uFE30-\uFE4F\uFF00-\uFFEF]+/g;
如果不希望匹配标点、符号,在正则中去掉对应的范围即可:
3000-303F	CJK 符号和标点	FF00-FFEF	全角ASCII、全角标点

匹配双字节字符(包括汉字在内)

[^\x00-\xff],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),代码示例如下:
console.info( "abc".replace( /[^\x00-\xff]/g,"aa" ).length ) // 3
console.info( "汉字".replace( /[^\x00-\xff]/g,"aa" ).length ) // 4
console.info( "abc汉字".replace( /[^\x00-\xff]/g,"aa").length ) // 7
匹配HTML标记的正则表达式

先说说网上流传的版本:
<(\S*?)[^>]*>.*?</\1>|<.*? />
*?	*表示0个或多个,?表示0个或1个,两个叠加起来标识0个多个,与*的功能重叠
(\S*?)	标签的长度必须大于0,因此不能用*? 
|<.*?\/>	没有分组,无法获取以<div/>这种自关闭格式书写的标签
</\1>
<.*? />	有的标签是不关闭的,比如<br><hr>,因此不能强制关闭
修正如下:
var rtag = /^<([a-z]+)\s*\/?>.*(?:<\/\1>)?$/i
rtag.exec( '<-div></-div>') // null 
rtag.exec( '<div>abc') // ["<div>abc", "div"]
这个表达式也不完善,比如第二条测试语句,这么写是为了能提取中包含了文本内容的标签,如果要严格匹配,可再次修改为:
var rtag = /^<([a-z]+)\s*\/?> (?:<\/\1>)?$/i // 去掉了中间的.*
这个正则的应用范围仅限于简单的标签匹配、提取,不能匹配嵌套标记。
匹配首尾空白字符的正则表达式

先说说网上流传的版本:
^\s*|\s*$
可以删除行首行尾的空白字符,例如:
'   \t    \n\r   abc   \t    \n\r   '.replace( /^\s*|\s*$/g, '' ) // abc
但是用\s*不能判断出字符串是否在开头或结尾处有\s,例如:
/^\s*|\s*$/.test( 'abc' ) // true
修正如下:
^\s+|\s+$
'   \t    \n\r   abc   \t    \n\r   '.replace( /^\s+|\s+$/g, '' ) // abc
/^\s+|\s+$/.test( 'abc' ) // false
匹配Email地址的正则表达式

先介绍下Email的规则:local-part@domain
	local-part最长64,domain最长253,总长最长256
	local-part可以使用任意ASCII字符:
	大小写英文字母 a-z,A-Z
	数字 0-9
	字符 !#$%&'*+-/=?^_`{|}~
	字符 .不能是第一个和最后一个,不能连续出现两次
	但是有些邮件服务器会拒绝包含有特殊字符的邮件地址
	domain(域名)仅限于26个英文字母、10个数字、连词号-
	连词号-不能是第一个字符
	*域名(com、cn等)长度为2到6个
先说说网上流传的版本:
\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
()	莫名奇妙的分组,如果只分组不记录,可以使用(?:)
@\w	domain不能包含下划线_
\w+([-.]\w+)*	*域名不符合规则
修正如下:
var remail = /^([\w-_]+(?:\.[\w-_]+)*)@((?:[a-z0-9]+(?:-[a-zA-Z0-9]+)*)+\.[a-z]{2,6})$/i
remail.exec( 'nuysoft@gmail.com' ) // "nuysoft@gmail.com", "nuysoft", "gmail.com"]
remail.exec( 'nuysoft@gmail.comcomcom' ) // null
remail.exec( 'nuysoft@_gmail.com ) // null
修正后的正则有如下局限性:
	不支持中文邮箱、中文域名,之所以不在其中支持是因为我个人的爱好倾向,反感这类华而不实的玩意
	不支持特殊符号,避免非邮件服务器拒绝,如果需要,可以添加。
参考文章:
http://en.wikipedia.org/wiki/Email_address
http://baike.baidu.com/view/119298.htm
匹配网址URL的正则表达式

先说说网上流传的版本:
[a-zA-z]+://[^\s]*
粗糙,没有对URL中各个块进行分组
修正如下(又一段网上流传的版本):
var _url = "^((https|http|ftp|rtsp|mms)?://)?" //
		 + "(([0-9a-z_!~*'().&=+$%-]+: )?[0-9a-z_!~*'().&=+$%-]+@)?" // ftp的user@
		 + "(([0-9]{1,3}.){3}[0-9]{1,3}" // IP形式的URL- 199.194.52.184
		 + "|" // 允许IP和DOMAIN(域名)
		 + "([0-9a-z_!~*'()-]+.)*" // 域名- www.
		 + "([0-9a-z][0-9a-z-]{0,61})?[0-9a-z]." // 二级域名
		 + "[a-z]{2,6})" // first level domain- .com or .museum
		 + "(:[0-9]{1,4})?" // 端口- :80
		 + "((/?)|" // a slash isn't required if there is no file name
		 + "(/[0-9a-z_!~*'().;?:@&=+$,%#-]+)+/?)$";
var rurl = new RegExp( _url, 'i' );

测试:
rurl.exec( 'baidu.com' ) // ["baidu.com", undefined, undefined, undefined, undefined, "baidu.com", undefined, "baid", undefined, undefined, "", "", undefined]
rurl.exec( 'http://baidu.com' ) // 
rurl.exec( 'http://www.baidu.com' ) // ["http://baidu.com", "http://", "http", undefined, undefined, "baidu.com", undefined, "baid", undefined, undefined, "", "", undefined]
rurl.test( 'baidu' ) // true
看来不怎么也好用,有待学习TODO。
匹配帐号是否合法

先说说网上流传的版本:
^[a-zA-Z][a-zA-Z0-9_]{4,15}$
(字母开头,允许5-16字节,允许字母数字下划线)
限制必须以字母开头现在看来不合适,比如QQ登录平台
限制不能以下划线开头也没有必要,比如百度就允许,因此简单点
修正如下:
var ruser = /\w{4,16}/
匹配国内电话号码

网上流传的版本很好用:
\d{3}-\d{8}|\d{4}-\d{7}
评注:匹配形式如 0511-4405222 或 021-87888822
匹配腾讯QQ号

网上流传的版本很好用:
 [1-9][0-9]{4,}
评注:腾讯QQ号从10000开始
匹配中国邮政编码

网上流传的版本很好用:
[1-9]\d{5}(?!\d)
评注:中国邮政编码为6位数字
匹配身份证

先说说网上流传的版本:
\d{15}|\d{18}
d{15}
\d{18}	可以判断,但是有些粗糙 
从身份证可以解析出地址、生日、性别等,因此特别说明一下:
	身份证规则
中国的身份证为15位(一代)或18位(二代),区别在于二代证只是在一代证的第七位数字前加了19和在末尾加了一位验证码
	将15位升级为18位,并解析18位号码构成(地址、生日、性别)
代码如下:
function parseID(ID) {
	if ( ID.length == 15 ) {
		// 升级为18位
		ID = ID.substr( 0, 6 ) + "19" + ID.substr( 6 );
		// 前17位对应的系数
		var rank = [
				"7", "9", "10", "5", "8", "4", "2", "1", "6", "3", "7", "9", "10", "5", "8", "4", "2"
		];
		// 前17为加权除以17后的余数对应的最后一位身份证号码
		var last = [
				"1", "0", "X", "9", "8", "7", "6", "5", "4", "3", "2"
		];
		// 加权和
		for ( var i = 0, sum = 0, len = ID.length; i < len; i++)
			sum += ID[ i ] * rank[ i ];
		// 加上最后一位
		ID += last[ sum % 11 ];
	}
	if ( ID.length != 18 ) return null;

	var match = rid.exec( ID );
	return match ? {
		ID : ID,
		area : match[ 1 ],
		y : match[ 2 ],
		m : match[ 3 ],
		d : match[ 4 ],
		sex : match[ 5 ] % 2
	} : null;
}
限制:
	这里只是解析出了地址代码,如何将代码转换为实际地址请问度娘。
	返回对象中的sex为1(男)或0(女),并未做转换,如果页面显示需要,可以这样转换:sex ? "男" : "女" 
测试:
console.info( parseID( "142327840821047" ) );
console.info( parseID("142327198408210470" ) );
参考资料:
http://baike.baidu.com/view/118340.htm#1
匹配IP地址

先说说网上流传的版本:
\d+\.\d+\.\d+\.\d+
\d	数字没有限制
修正如下:
var rip = /^(?:(?:[01]?\d{1,2}|2[0-4]\d|25[0-5])\.){3}(?:[01]?\d{1,2}|2[0-4]\d|25[0-5])$/;
rip.test( "192.168.1.1" ) // true
rip.test( "0.0.0.0" ) // true
rip.test( "255.255.255.255" ) // true
rip.test( "256.255.255.255" ) // false
进一步增加分组:
var rip2 = /^([01]?\d{1,2}|2[0-4]\d|25[0-5])\.([01]?\d{1,2}|2[0-4]\d|25[0-5])\.([01]?\d{1,2}|2[0-4]\d|25[0-5])\.([01]?\d{1,2}|2[0-4]\d|25[0-5])$/;
rip2.exec( "192.168.1.1" ) // ["192.168.1.1", "192", "168", "1", "1"]
rip2.exec( "0.0.0.0" ) // ["0.0.0.0", "0", "0", "0", "0"]
rip2.exec( "255.255.255.255" ) // ["255.255.255.255", "255", "255", "255", "255"]
rip2.exec( "256.255.255.255" ) // null