javaScript—- RegExp-常用正則表達式

2.4 常用正則表達式
在網上找到一篇廣為流傳的文章《常用正則表達式》,逐一分析,不足地方進行補充和糾正。

[javascript] 
常用的數字正則(嚴格匹配) 
 
正則  含義 
^[1-9]\d*$  匹配正整數 
^-[1-9]\d*$ 匹配負整數 
^-?[1-9]\d*$    匹配整數 
^[1-9]\d*|0$    匹配非負整數(正整數 + 0) 
^-[1-9]\d*|0$   匹配非正整數(負整數 + 0) 
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$  匹配正浮點數 
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$   匹配負浮點數 
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$     匹配浮點數 
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$ 匹配非負浮點數(正浮點數 + 0) 
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$    匹配非正浮點數(負浮點數 + 0) 
 
常用字符串正則 
 
正則  含義  補充 
^[A-Za-z]+$ 匹配由26個英文字母組成的字符串    或 /^[a-z]+$/i 
^[A-Z]+$    匹配由26個英文字母的大寫組成的字符串  
^[a-z]+$    匹配由26個英文字母的小寫組成的字符串  
^[A-Za-z0-9]+$  匹配由數字和26個英文字母組成的字符串 註意\w包含下劃線_ 
^\w+$   匹配由數字、26個英文字母或者下劃線組成的字符串     
常用數字正則和常用字符串正則,是最基本的正則應用,讀者可以作為入門的練習,試試能不能快速的讀懂其中的含義。 
 
 
匹配中文字符 
 
普遍使用的正則是[\u4e00-\u9fa5],但這個范圍並不完整。例如: 
/[\u4e00-\u9fa5]/.test( '⻏' ) // 測試部首⻏,返回false 
根據Unicode 5.0版編碼,要準確的判斷一個中文字符要包括: 
范圍  含義  范圍  含義 
2E80-2EFF   CJK 部首補充    2F00-2FDF   康熙字典部首 
3000-303F   CJK 符號和標點   31C0-31EF   CJK 筆畫 
3200-32FF   封閉式 CJK 文字和月份   3300-33FF   CJK 兼容 
3400-4DBF   CJK 統一表意符號擴展 A  4DC0-4DFF   易經六十四卦符號 
4E00-9FBF   CJK 統一表意符號  F900-FAFF   CJK 兼容象形文字 
FE30-FE4F   CJK 兼容形式    FF00-FFEF   全角ASCII、全角標點 
因此,正確的匹配中文字符正則表達式為: 
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; 
如果不希望匹配標點、符號,在正則中去掉對應的范圍即可: 
3000-303F   CJK 符號和標點   FF00-FFEF   全角ASCII、全角標點 
 
 
匹配雙字節字符(包括漢字在內) 
 
[^\x00-\xff],可以用來計算字符串的長度(一個雙字節字符長度計2,ASCII字符計1),代碼示例如下: 
console.info( "abc".replace( /[^\x00-\xff]/g,"aa" ).length ) // 3 
console.info( "漢字".replace( /[^\x00-\xff]/g,"aa" ).length ) // 4 
console.info( "abc漢字".replace( /[^\x00-\xff]/g,"aa").length ) // 7 
 
匹配HTML標記的正則表達式 
 
先說說網上流傳的版本: 
<(\S*?)[^>]*>.*?</\1>|<.*? /> 
*?  *表示0個或多個,?表示0個或1個,兩個疊加起來標識0個多個,與*的功能重疊 
(\S*?)  標簽的長度必須大於0,因此不能用*?  
|<.*?\/>  沒有分組,無法獲取以<p/>這種自關閉格式書寫的標簽 
</\1> 
<.*? />   有的標簽是不關閉的,比如<br><hr>,因此不能強制關閉 
修正如下: 
var rtag = /^<([a-z]+)\s*\/?>.*(?:<\/\1>)?$/i 
rtag.exec( '<-p></-p>') // null  
rtag.exec( '<p>abc') // ["<p>abc", "p"] 
這個表達式也不完善,比如第二條測試語句,這麼寫是為瞭能提取中包含瞭文本內容的標簽,如果要嚴格匹配,可再次修改為: 
var rtag = /^<([a-z]+)\s*\/?> (?:<\/\1>)?$/i // 去掉瞭中間的.* 
這個正則的應用范圍僅限於簡單的標簽匹配、提取,不能匹配嵌套標記。 
 
匹配首尾空白字符的正則表達式 
 
先說說網上流傳的版本: 
^\s*|\s*$ 
可以刪除行首行尾的空白字符,例如: 
'   \t    \n\r   abc   \t    \n\r   '.replace( /^\s*|\s*$/g, '' ) // abc 
但是用\s*不能判斷出字符串是否在開頭或結尾處有\s,例如: 
/^\s*|\s*$/.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地址的正則表達式 
 
先介紹下Email的規則:local-part@domain 
   local-part最長64,domain最長253,總長最長256 
   local-part可以使用任意ASCII字符: 
   大小寫英文字母 a-z,A-Z 
   數字 0-9 
   字符 !#$%&'*+-/=?^_`{|}~ 
   字符 .不能是第一個和最後一個,不能連續出現兩次 
   但是有些郵件服務器會拒絕包含有特殊字符的郵件地址 
   domain(域名)僅限於26個英文字母、10個數字、連詞號- 
   連詞號-不能是第一個字符 
   頂級域名(com、cn等)長度為2到6個 
先說說網上流傳的版本: 
\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* 
()  莫名奇妙的分組,如果隻分組不記錄,可以使用(?:) 
@\w domain不能包含下劃線_ 
\w+([-.]\w+)*   頂級域名不符合規則 
修正如下: 
var remail = /^([\w-_]+(?:\.[\w-_]+)*)@((?:[a-z0-9]+(?:-[a-zA-Z0-9]+)*)+\.[a-z]{2,6})$/i 
remail.exec( 'nuysoft@gmail.com' ) // "nuysoft@gmail.com", "nuysoft", "gmail.com"] 
remail.exec( 'nuysoft@gmail.comcomcom' ) // null 
remail.exec( 'nuysoft@_gmail.com ) // null 
修正後的正則有如下局限性: 
   不支持中文郵箱、中文域名,之所以不在其中支持是因為我個人的愛好傾向,反感這類華而不實的玩意 
   不支持特殊符號,避免非郵件服務器拒絕,如果需要,可以添加。 
參考文章: 
http://en.wikipedia.org/wiki/Email_address 
http://baike.baidu.com/view/119298.htm 
 
匹配網址URL的正則表達式 
 
先說說網上流傳的版本: 
[a-zA-z]+://[^\s]* 
粗糙,沒有對URL中各個塊進行分組 
修正如下(又一段網上流傳的版本): 
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 
         + "|" // 允許IP和DOMAIN(域名) 
         + "([0-9a-z_!~*'()-]+.)*" // 域名- www. 
         + "([0-9a-z][0-9a-z-]{0,61})?[0-9a-z]." // 二級域名 
         + "[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' ); 
 
測試: 
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 
看來不怎麼也好用,有待學習TODO。 
 
匹配帳號是否合法 
 
先說說網上流傳的版本: 
^[a-zA-Z][a-zA-Z0-9_]{4,15}$ 
(字母開頭,允許5-16字節,允許字母數字下劃線) 
限制必須以字母開頭現在看來不合適,比如QQ登錄平臺 
限制不能以下劃線開頭也沒有必要,比如百度就允許,因此簡單點 
修正如下: 
var ruser = /\w{4,16}/ 
 
匹配國內電話號碼 
 
網上流傳的版本很好用: 
\d{3}-\d{8}|\d{4}-\d{7} 
評註:匹配形式如 0511-4405222 或 021-87888822 
 
匹配騰訊QQ號 
 
網上流傳的版本很好用: 
 [1-9][0-9]{4,} 
評註:騰訊QQ號從10000開始 
 
匹配中國郵政編碼 
 
網上流傳的版本很好用: 
[1-9]\d{5}(?!\d) 
評註:中國郵政編碼為6位數字 
 
匹配身份證 
 
先說說網上流傳的版本: 
\d{15}|\d{18} 
d{15} 
\d{18}  可以判斷,但是有些粗糙  
從身份證可以解析出地址、生日、性別等,因此特別說明一下: 
   身份證規則 
中國的身份證為15位(一代)或18位(二代),區別在於二代證隻是在一代證的第七位數字前加瞭19和在末尾加瞭一位驗證碼 
   將15位升級為18位,並解析18位號碼構成(地址、生日、性別) 
代碼如下: 
function parseID(ID) { 
    if ( ID.length == 15 ) { 
        // 升級為18位 
        ID = ID.substr( 0, 6 ) + "19" + ID.substr( 6 ); 
        // 前17位對應的系數 
        var rank = [ 
                "7", "9", "10", "5", "8", "4", "2", "1", "6", "3", "7", "9", "10", "5", "8", "4", "2" 
        ]; 
        // 前17為加權除以17後的餘數對應的最後一位身份證號碼 
        var last = [ 
                "1", "0", "X", "9", "8", "7", "6", "5", "4", "3", "2" 
        ]; 
        // 加權和 
        for ( var i = 0, sum = 0, len = ID.length; i < len; i++) 
            sum += ID[ i ] * rank[ i ]; 
        // 加上最後一位 
        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: 
   這裡隻是解析出瞭地址代碼,如何將代碼轉換為實際地址請問度娘。 
   返回對象中的sex為1(男)或0(女),並未做轉換,如果頁面顯示需要,可以這樣轉換:sex ? "男" : "女"  
測試: 
console.info( parseID( "142327840821047" ) ); 
console.info( parseID("142327198408210470" ) ); 
參考資料: 
http://baike.baidu.com/view/118340.htm#1 
 
 
匹配IP地址 
 
先說說網上流傳的版本: 
\d+\.\d+\.\d+\.\d+ 
\d  數字沒有限制 
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])$/; 
rip.test( "192.168.1.1" ) // true 
rip.test( "0.0.0.0" ) // true 
rip.test( "255.255.255.255" ) // true 
rip.test( "256.255.255.255" ) // false 
進一步增加分組: 
var rip2 = /^([01]?\d{1,2}|2[0-4]\d|25[0-5])\.([01]?\d{1,2}|2[0-4]\d|25[0-5])\.([01]?\d{1,2}|2[0-4]\d|25[0-5])\.([01]?\d{1,2}|2[0-4]\d|25[0-5])$/; 
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 

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *