88節(jié)介紹了正則表達(dá)式的語法，上節(jié)介紹了正則表達(dá)式相關(guān)的Java API，本節(jié)來討論和分析一些常用的正則表達(dá)式，具體包括：

• 郵編

• 電話號(hào)碼，包括手機(jī)號(hào)碼和固定電話號(hào)碼

• 日期和時(shí)間

• 身份證

• IP地址

• URL

• Email地址

• 中文字符

對(duì)于同一個(gè)目的，正則表達(dá)式往往有多種寫法，大多沒有唯一正確的寫法，本節(jié)的寫法主要是示例。此外，寫一個(gè)正則表達(dá)式，匹配希望匹配的內(nèi)容往往比較容易，但讓它不匹配不希望匹配的內(nèi)容，則往往比較困難，也就是說，保證精確性經(jīng)常是很難的，不過，很多時(shí)候，我們也沒有必要寫完全精確的表達(dá)式，需要寫到多精確與你需要處理的文本和需求有關(guān)，另外，正則表達(dá)式難以表達(dá)的，可以通過寫程序進(jìn)一步處理。這么描述可能比較抽象，下面，我們會(huì)具體討論分析。

郵編

郵編比較簡(jiǎn)單，就是6位數(shù)字，首位不能是0，所以表達(dá)式可以為：

[1-9][0-9]{5}

 這個(gè)表達(dá)式可以用于驗(yàn)證輸入是否為郵編，比如：

public static Pattern ZIP_CODE_PATTERN = Pattern.compile(        "[1-9][0-9]{5}");public static boolean isZipCode(String text) {    return ZIP_CODE_PATTERN.matcher(text).matches();
}

但如果用于查找，這個(gè)表達(dá)式是不夠的，看個(gè)例子：

public static void findZipCode(String text) {
    Matcher matcher = ZIP_CODE_PATTERN.matcher(text);    while (matcher.find()) {
        System.out.println(matcher.group());
    }
}public static void main(String[] args) {
    findZipCode("郵編 100013，電話18612345678");
}

文本中只有一個(gè)郵編，但輸出卻為：

100013
186123

這怎么辦呢？可以使用88節(jié)介紹的環(huán)視邊界匹配，對(duì)于左邊界，它前面的字符不能是數(shù)字，環(huán)視表達(dá)式為：

(?<![0-9])

對(duì)于右邊界，它右邊的字符不能是數(shù)字，環(huán)視表達(dá)式為：

(?![0-9])

所以，完整的表達(dá)式可以為：

(?<![0-9])[1-9][0-9]{5}(?![0-9])

使用這個(gè)表達(dá)式，也就是說，將ZIP_CODE_PATTERN改為：

public static Pattern ZIP_CODE_PATTERN = Pattern.compile(        "(?<![0-9])" // 左邊不能有數(shù)字
        + "[1-9][0-9]{5}"
        + "(?![0-9])"); // 右邊不能有數(shù)字

就可以輸出期望的結(jié)果了。

非0開頭的6位數(shù)字就一定是郵編嗎？答案當(dāng)然是否定的，所以，這個(gè)表達(dá)式也不是精確的，如果需要更精確的驗(yàn)證，可以寫程序進(jìn)一步檢查。

手機(jī)號(hào)碼

中國(guó)的手機(jī)號(hào)碼都是11位數(shù)字，所以，最簡(jiǎn)單的表達(dá)式就是：

[0-9]{11}

不過，目前手機(jī)號(hào)第1位都是1，第2位取值為3、4、5、7、8之一，所以，更精確的表達(dá)式是：

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

為方便表達(dá)手機(jī)號(hào)，手機(jī)號(hào)中間經(jīng)常有連字符(即減號(hào)'-')，形如：

186-1234-5678

為表達(dá)這種可選的連字符，表達(dá)式可以改為：

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

在手機(jī)號(hào)前面，可能還有0、+86或0086，和手機(jī)號(hào)碼之間可能還有一個(gè)空格，比如：

018612345678
+86 18612345678
0086 18612345678

為表達(dá)這種形式，可以在號(hào)碼前加如下表達(dá)式：

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

和郵編類似，如果為了抽取，也要在左右加環(huán)視邊界匹配，左右不能是數(shù)字。所以，完整的表達(dá)式為：

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

用Java表示的代碼為：

public static Pattern MOBILE_PHONE_PATTERN = Pattern.compile(        "(?<![0-9])" // 左邊不能有數(shù)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])"); // 右邊不能有數(shù)字

固定電話

不考慮分機(jī)，中國(guó)的固定電話一般由兩部分組成：區(qū)號(hào)和市內(nèi)號(hào)碼，區(qū)號(hào)是3到4位，市內(nèi)號(hào)碼是7到8位。區(qū)號(hào)以0開頭，表達(dá)式可以為：

0[0-9]{2,3}

市內(nèi)號(hào)碼表達(dá)式為：

[0-9]{7,8}

區(qū)號(hào)可能用括號(hào)包含，區(qū)號(hào)與市內(nèi)號(hào)碼之間可能有連字符，如以下形式：

010-62265678(010)62265678

整個(gè)區(qū)號(hào)是可選的，所以整個(gè)表達(dá)式為：

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

再加上左右邊界環(huán)視，完整的Java表示為：

public static Pattern FIXED_PHONE_PATTERN = Pattern.compile(        "(?<![0-9])" // 左邊不能有數(shù)字
        + "(\\(?0[0-9]{2,3}\\)?-?)?" // 區(qū)號(hào)
        + "[0-9]{7,8}"// 市內(nèi)號(hào)碼
        + "(?![0-9])"); // 右邊不能有數(shù)字

日期

日期的表示方式有很多種，我們只看一種，形如：

2017-06-21
2016-11-1

年月日之間用連字符分隔，月和日可能只有一位。

最簡(jiǎn)單的正則表達(dá)式可以為：

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

年一般沒有限制，但月只能取值1到12，日只能取值1到31，怎么表達(dá)這種限制呢？

對(duì)于月，有兩種情況，1月到9月，表達(dá)式可以為：

0?[1-9]

10月到12月，表達(dá)式可以為：

1[0-2]

所以，月的表達(dá)式為：

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

對(duì)于日，有三種情況：

• 1到9號(hào)，表達(dá)式為：0?[1-9]

• 10號(hào)到29號(hào)，表達(dá)式為：[1-2][0-9]

• 30號(hào)和31號(hào)，表達(dá)式為：3[01]

所以，整個(gè)表達(dá)式為：

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

加上左右邊界環(huán)視，完整的Java表示為：

public static Pattern DATE_PATTERN = Pattern.compile(        "(?<![0-9])" // 左邊不能有數(shù)字
        + "\\d{4}-" // 年
        + "(0?[1-9]|1[0-2])-" // 月
        + "(0?[1-9]|[1-2][0-9]|3[01])"// 日
        + "(?![0-9])"); // 右邊不能有數(shù)字

時(shí)間

考慮24小時(shí)制，只考慮小時(shí)和分鐘，小時(shí)和分鐘都用固定兩位表示，格式如下：

10:57

基本表達(dá)式為：

\d{2}:\d{2}

小時(shí)取值范圍為0到23，更精確的表達(dá)式為：

([0-1][0-9]|2[0-3])

 分鐘取值范圍為0到59，更精確的表達(dá)式為：

[0-5][0-9]

所以，整個(gè)表達(dá)式為：

([0-1][0-9]|2[0-3]):[0-5][0-9]

加上左右邊界環(huán)視，完整的Java表示為：

public static Pattern TIME_PATTERN = Pattern.compile(        "(?<![0-9])" // 左邊不能有數(shù)字
        + "([0-1][0-9]|2[0-3])" // 小時(shí)
        + ":" + "[0-5][0-9]"// 分鐘
        + "(?![0-9])"); // 右邊不能有數(shù)字

身份證

身份證有一代和二代之分，一代是15位數(shù)字，二代是18位，都不能以0開頭，對(duì)于二代身份證，最后一位可能為x或X，其他是數(shù)字。

一代身份證表達(dá)式可以為：

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

二代身份證可以為：

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

這兩個(gè)表達(dá)式的前面部分是相同的，二代身份證多了如下內(nèi)容：

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

所以，它們可以合并為一個(gè)表達(dá)式，即：

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

加上左右邊界環(huán)視，完整的Java表示為：

public static Pattern ID_CARD_PATTERN = Pattern.compile(        "(?<![0-9])" // 左邊不能有數(shù)字
        + "[1-9][0-9]{14}" // 一代身份證
        + "([0-9]{2}[0-9xX])?" // 二代身份證多出的部分
        + "(?![0-9])"); // 右邊不能有數(shù)字

符合這個(gè)要求的就一定是身份證號(hào)碼嗎？當(dāng)然不是，身份證還有一些更為具體的要求，本文就不探討了。

IP地址

IP地址格式如下：

192.168.3.5

點(diǎn)號(hào)分隔，4段數(shù)字，每個(gè)數(shù)字范圍是0到255。最簡(jiǎn)單的表達(dá)式為：

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

 \d{1,3}太簡(jiǎn)單，沒有滿足0到255之間的約束，要滿足這個(gè)約束，就要分多種情況考慮。

值是1位數(shù)，前面可能有0到2個(gè)0，表達(dá)式為：

0{0,2}[0-9]

值是兩位數(shù)，前面可能有一個(gè)0，表達(dá)式為：

0?[0-9]{2}

值是三位數(shù)，又要分為多種情況。以1開頭的，后兩位沒有限制，表達(dá)式為：

1[0-9]{2}

以2開頭的，如果第二位是0到4，則第三位沒有限制，表達(dá)式為：

2[0-4][0-9]

如果第二位是5，則第三位取值為0到5，表達(dá)式為：

25[0-5]

所以，\d{1,3}更為精確的表示為：

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

所以，加上左右邊界環(huán)視，IP地址的完整Java表示為：

public static Pattern IP_PATTERN = Pattern.compile(        "(?<![0-9])" // 左邊不能有數(shù)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])"); // 右邊不能有數(shù)字

URL

URL的格式比較復(fù)雜，其規(guī)范定義在https://tools.ietf.org/html/rfc1738，我們只考慮http協(xié)議，其通用格式是：

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

開始是http://，接著是主機(jī)名，主機(jī)名之后是可選的端口，再之后是可選的路徑，路徑后是可選的查詢字符串，以?開頭。

一些例子：

http://www.example.comhttp://www.example.com/ab/c/def.htmlhttp://www.example.com:8080/ab/c/def?q1=abc&q2=def

主機(jī)名中的字符可以是字母、數(shù)字、減號(hào)和點(diǎn)號(hào)，所以表達(dá)式可以為：

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

端口部分可以寫為：

(:\d+)?

路徑由多個(gè)子路徑組成，每個(gè)子路徑以/開頭，后跟零個(gè)或多個(gè)非/的字符，簡(jiǎn)單的說，表達(dá)式可以為：

(/[^/]*)*

更精確的說，把所有允許的字符列出來，表達(dá)式為：

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

對(duì)于查詢字符串，簡(jiǎn)單的說，由非空字符串組成，表達(dá)式為：

\?[\S]*

更精確的，把所有允許的字符列出來，表達(dá)式為：

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

路徑和查詢字符串是可選的，且查詢字符串只有在至少存在一個(gè)路徑的情況下才能出現(xiàn)，其模式為：

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

所以，路徑和查詢部分的簡(jiǎn)單表達(dá)式為：

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

精確表達(dá)式為：

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

HTTP的完整Java表達(dá)式為：

public static Pattern HTTP_PATTERN = Pattern.compile(        "http://" + "[-0-9a-zA-Z.]+" // 主機(jī)名
        + "(:\\d+)?" // 端口
        + "(" // 可選的路徑和查詢 - 開始
            + "/[-\\w$.+!*'(),%;:@&=]*" // 第一層路徑
            + "(/[-\\w$.+!*'(),%;:@&=]*)*" // 可選的其他層路徑
            + "(\\?[-\\w$.+!*'(),%;:@&=]*)?" // 可選的查詢字符串
        + ")?"); // 可選的路徑和查詢 - 結(jié)束

Email地址

完整的Email規(guī)范比較復(fù)雜，定義在https://tools.ietf.org/html/rfc822，我們先看一些實(shí)際中常用的。

比如新浪郵箱，它的格式如：

abc@sina.com

對(duì)于用戶名部分，它的要求是：4-16個(gè)字符，可使用英文小寫、數(shù)字、下劃線，但下劃線不能在首尾。

怎么驗(yàn)證用戶名呢？可以為：

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

新浪郵箱的完整Java表達(dá)式為：

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

我們?cè)賮砜碤Q郵箱，它對(duì)于用戶名的要求為：

• 3-18字符，可使用英文、數(shù)字、減號(hào)、點(diǎn)或下劃線

• 必須以英文字母開頭，必須以英文字母或數(shù)字結(jié)尾

• 點(diǎn)、減號(hào)、下劃線不能連續(xù)出現(xiàn)兩次或兩次以上

如果只有第一條，可以為：

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

為滿足第二條，可以改為：

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

怎么滿足第三條呢？可以使用邊界環(huán)視，左邊加如下表達(dá)式：

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

完整表達(dá)式可以為：

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

QQ郵箱的完整Java表達(dá)式為：

public static Pattern QQ_EMAIL_PATTERN = Pattern.compile(        "(?![-0-9a-zA-Z._]*(--|\\.\\.|__))" // 點(diǎn)、減號(hào)、下劃線不能連續(xù)出現(xiàn)兩次或兩次以上
        + "[a-zA-Z]" // 必須以英文字母開頭
        + "[-0-9a-zA-Z._]{1,16}" // 3-18位 英文、數(shù)字、減號(hào)、點(diǎn)、下劃線組成
        + "[a-zA-Z0-9]@qq\\.com"); // 由英文字母、數(shù)字結(jié)尾

以上都是特定郵箱服務(wù)商的要求，一般的郵箱是什么規(guī)則呢？一般而言，以@作為分隔符，前面是用戶名，后面是域名。

用戶名的一般規(guī)則是：

• 由英文字母、數(shù)字、下劃線、減號(hào)、點(diǎn)號(hào)組成

• 至少1位，不超過64位

• 開頭不能是減號(hào)、點(diǎn)號(hào)和下劃線

比如：

h_llo-abc.good@example.com

這個(gè)表達(dá)式可以為：

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

域名部分以點(diǎn)號(hào)分隔為多個(gè)部分，至少有兩個(gè)部分。最后一部分是頂級(jí)域名，由2到3個(gè)英文字母組成，表達(dá)式可以為：

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

對(duì)于域名的其他點(diǎn)號(hào)分隔的部分，每個(gè)部分一般由字母、數(shù)字、減號(hào)組成，但減號(hào)不能在開頭，長(zhǎng)度不能超過63個(gè)字符，表達(dá)式可以為：

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

所以，域名部分的表達(dá)式為：

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

完整的Java表示為：

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

中文字符

中文字符的Unicode編號(hào)一般位于\u4e00和\u9fff之間，所以匹配任意一個(gè)中文字符的表達(dá)式可以為：

[\u4e00-\u9fff]

Java表達(dá)式為：

public static Pattern CHINESE_PATTERN = Pattern.compile(        "[\\u4e00-\\u9fff]");

小結(jié)

本節(jié)詳細(xì)討論和分析了一些常見的正則表達(dá)式，在實(shí)際開發(fā)中，有些可以直接使用，有些需要根據(jù)具體文本和需求進(jìn)行調(diào)整。

至此，關(guān)于正則表達(dá)式，我們就介紹完了，相信你對(duì)正則表達(dá)式一定有了一個(gè)更為清晰透徹的理解！

在之前的章節(jié)中，我們都是基于Java 7討論的，從下節(jié)開始，我們探討Java 8的一些特性，尤其是函數(shù)式編程。

(與其他章節(jié)一樣，本節(jié)所有代碼位于 https://github.com/swiftma/program-logic，位于包shuo.laoma.regex.c90下)

----------------

未完待續(xù)，查看最新文章，敬請(qǐng)關(guān)注微信公眾號(hào)“老馬說編程”(掃描下方二維碼)，從入門到高級(jí)，深入淺出，老馬和你一起探索Java編程及計(jì)算機(jī)技術(shù)的本質(zhì)。用心原創(chuàng)，保留所有版權(quán)。

http://www.cnblogs.com/swiftma/p/7062987.html

延伸閱讀

• ES6正則表達(dá)式擴(kuò)展 2017-07-26
• 計(jì)算機(jī)程序的思維邏輯 (92) - 函數(shù)式數(shù)據(jù)處理 (上) 2017-07-26
• 巧解正則表達(dá)式環(huán)視 2017-07-25
• 詳解Java API之正則表達(dá)式 2017-07-14
• 計(jì)算機(jī)程序的思維邏輯 (91) - Lambda表達(dá)式 2017-07-06
• 1000行代碼徒手寫正則表達(dá)式引擎【1】--JAVA中正則表達(dá)式的使用 2017-06-29
• 計(jì)算機(jī)程序的思維邏輯 (74) - 并發(fā)容器 - ConcurrentHashMap 2017-06-20
• 計(jì)算機(jī)程序的思維邏輯 (72) - 顯式條件 2017-06-13
• Python之正則表達(dá)式（re模塊） 2017-06-07
• 計(jì)算機(jī)程序的思維邏輯 (69) - 線程的中斷 2017-06-05

巧解正則表達(dá)式環(huán)視