Java正则速成秘籍（三）之见招拆招篇

作者: 静默虚空 | 来源:发表于2016-11-07 21:20 被阅读0次

导读

正则表达式是什么？有什么用？
正则表达式(Regular Expression)是一种文本规则，可以用来校验、查找、替换与规则匹配的文本。

又爱又恨的正则

正则表达式是一个强大的文本匹配工具，但是它的规则实在很繁琐，而且理解起来也颇为蛋疼，容易让人望而生畏。

如何学习正则

刚接触正则时，我看了一堆正则的语义说明，但是仍然不明所以。后来，我多接触一些正则的应用实例，渐渐有了感觉，再结合语义说明，终有领悟。我觉得正则表达式和武侠修练武功差不多，应该先练招式，再练心法。如果一开始就直接看正则的规则，保证你会懵逼。
当你熟悉基本招式（正则基本使用案例）后，也该修炼修炼心法（正则语法）了。真正的高手不能只靠死记硬背那么几招把式。就像张三丰教张无忌太极拳一样，领悟心法，融会贯通，少侠你就可以无招胜有招，成为传说中的绝世高手。

以上闲话可归纳为一句：学习正则应该从实例去理解规则。

欲练神功，必先自宫

打开秘籍：欲练神功，必先自宫！没有蛋，也就不会蛋疼了。

Java正则速成秘籍分三篇：

Java正则速成秘籍（一）之招式篇

展示Java对于正则表达式的支持。

Java正则速成秘籍（二）之心法篇

介绍正则表达式的语法规则。

Java正则速成秘籍（三）之见招拆招篇

从实战出发，介绍正则的常用案例。

本文是Java正则速成秘籍的最后一篇——见招拆招篇。

在 Java正则速成秘籍（一）之招式篇和 Java正则速成秘籍（二）之心法篇，我们学习了Java支持正则功能的API以及正则表达式的语法。

本文则主要展示正则表达式在现实场景的应用。文中不会再提及正则的语法以及Java正则相关的API，如有疑问，可以参考前面两篇文章。

注：本文展示的案例，已经经过我的充分测试。如果你有兴趣，可以参考 我的github单元测试源码 。

正则应用

虽然本系列洋洋洒洒的大谈特谈正则表达式。但是我还是要在这里建议，如果一个正则表达式没有经过充分测试，还是要谨慎使用。

正则是把双刃剑，它可以为你节省大量的代码行。但是由于它不易阅读，维护起来可是头疼的哦（你需要一个字符一个字符的去理解）。

最实用的正则

校验中文

描述：校验字符串中只能有中文字符（不包括中文标点符号）。中文字符的Unicode编码范围是\u4e00 到 \u9fa5。

如有兴趣，可以参考百度百科-Unicode 。

^[\\u4e00-\\u9fa5]+$

匹配： 春眠不觉晓

不匹配：春眠不觉晓，

校验身份证号码

描述：身份证为15位或18位。15位是第一代身份证。从1999年10月1日起，全国实行公民身份证号码制度，居民身份证编号由原15位升至18位。

15位身份证

描述：由15位数字组成。排列顺序从左至右依次为：六位数字地区码；六位数字出生日期；三位顺序号，其中15位男为单数，女为双数。

18位身份证

描述：由十七位数字本体码和一位数字校验码组成。排列顺序从左至右依次为：六位数字地区码；八位数字出生日期；三位数字顺序码和一位数字校验码（也可能是X）。

身份证号含义详情请见：百度百科-居民身份证号码

地区码（6位）

(1[1-5]|2[1-3]|3[1-7]|4[1-3]|5[0-4]|6[1-5])\\d{4}

出生日期（8位）

注：下面的是18位身份证的有效出生日期，如果是15位身份证，只要将第一个\d{4}改为\d{2}即可。

((\\d{4}((0[13578]|1[02])(0[1-9]|[12]\\d|3[01])|(0[13456789]|1[012])(0[1-9]|[12]\\d|30)|02(0[1-9]|1\\d|2[0-8])))|([02468][048]|[13579][26])0229)

15位有效身份证

^((1[1-5]|2[1-3]|3[1-7]|4[1-3]|5[0-4]|6[1-5])\\d{4})((\\d{2}((0[13578]|1[02])(0[1-9]|[12]\\d|3[01])|(0[13456789]|1[012])(0[1-9]|[12]\\d|30)|02(0[1-9]|1\\d|2[0-8])))|([02468][048]|[13579][26])0229)(\\d{3})$

匹配：110001700101031

不匹配：110001701501031

18位有效身份证

^((1[1-5]|2[1-3]|3[1-7]|4[1-3]|5[0-4]|6[1-5])\\d{4})((\\d{4}((0[13578]|1[02])(0[1-9]|[12]\\d|3[01])|(0[13456789]|1[012])(0[1-9]|[12]\\d|30)|02(0[1-9]|1\\d|2[0-8])))|([02468][048]|[13579][26])0229)(\\d{3}(\\d|X))$

匹配：110001199001010310 | 11000019900101015X

不匹配：990000199001010310 | 110001199013010310

校验有效用户名、密码

描述：长度为6-18个字符，允许输入字母、数字、下划线，首字符必须为字母。

^[a-zA-Z]\\w{5,17}$

匹配：he_llo123 | zhangsan | x007

不匹配：hello@worl_d.com | he&llo@world.co1 | .hello@wor#.co.uk

校验邮箱

描述：不允许使用IP作为域名，如 : hello@154.145.68.12

@符号前的邮箱用户和.符号前的域名(domain)必须满足以下条件：

字符只能是英文字母、数字、下划线_、.、- ；
首字符必须为字母或数字；
_、.、- 不能连续出现。

域名的根域只能为字母，且至少为两个字符。

^[A-Za-z0-9](([_\\.\\-]?[a-zA-Z0-9]+)*)@([A-Za-z0-9]+)(([\\.\\-]?[a-zA-Z0-9]+)*)\\.([A-Za-z]{2,})$

匹配：he_llo@worl.d.com | hel.l-o@wor-ld.museum | h1ello@123.com

不匹配：hello@worl_d.com | he&llo@world.co1 | .hello@wor#.co.uk

校验URL

描述：校验URL。支持http、https、ftp、ftps。

^(ht|f)(tp|tps)\\://[a-zA-Z0-9\\-\\.]+\\.([a-zA-Z]{2,3})?(/\\S*)?$

匹配：http://google.com/help/me | http://www.google.com/help/me/ | https://www.google.com/help.asp | ftp://www.google.com | ftps://google.org

不匹配：http://un/www.google.com/index.asp

校验时间

描述：校验时间。时、分、秒必须是有效数字，如果数值不是两位数，十位需要补零。

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

匹配：00:00:00 | 23:59:59 | 17:06:30

不匹配：17:6:30 | 24:16:30

校验日期

描述：校验日期。日期满足以下条件：

格式yyyy-MM-dd或yyyy-M-d
连字符可以没有或是“-”、“/”、“.”之一
闰年的二月可以有29日；而平年不可以。
一、三、五、七、八、十、十二月为31日。四、六、九、十一月为30日。

^(?:(?!0000)[0-9]{4}([-/.]?)(?:(?:0?[1-9]|1[0-2])\\1(?:0?[1-9]|1[0-9]|2[0-8])|(?:0?[13-9]|1[0-2])\\1(?:29|30)|(?:0?[13578]|1[02])\\1(?:31))|(?:[0-9]{2}(?:0[48]|[2468][048]|[13579][26])|(?:0[48]|[2468][048]|[13579][26])00)([-/.]?)0?2\\2(?:29))$

匹配：2016/1/1 | 2016/01/01 | 20160101 | 2016-01-01 | 2016.01.01 | 2000-02-29

不匹配：2001-02-29 | 2016/12/32 | 2016/6/31 | 2016/13/1 | 2016/0/1

校验中国手机号码

描述：中国手机号码正确格式：11位数字。

移动有16个号段：134、135、136、137、138、139、147、150、151、152、157、158、159、182、187、188。其中147、157、188是3G号段，其他都是2G号段。
联通有7种号段：130、131、132、155、156、185、186。其中186是3G（WCDMA）号段，其余为2G号段。
电信有4个号段：133、153、180、189。其中189是3G号段（CDMA2000），133号段主要用作无线网卡号。
总结：13开头手机号0-9；15开头手机号0-3、5-9；18开头手机号0、2、5-9。

此外，中国在国际上的区号为86，所以手机号开头有+86、86也是合法的。

以上信息来源于 百度百科-手机号

^((\\+)?86\\s*)?((13[0-9])|(15([0-3]|[5-9]))|(18[0,2,5-9]))\\d{8}$

匹配：+86 18012345678 | 86 18012345678 | 15812345678

不匹配：15412345678 | 12912345678 | 180123456789

校验中国固话号码

描述：固话号码，必须加区号（以0开头）。
3位有效区号：010、020~029，固话位数为8位。
4位有效区号：03xx开头到09xx，固话位数为7。

如果想了解更详细的信息，请参考 百度百科-电话区号 。

^(010|02[0-9])(\\s|-)\\d{8}|(0[3-9]\\d{2})(\\s|-)\\d{7}$

匹配：010-12345678 | 010 12345678 | 0512-1234567 | 0512 1234567

不匹配：1234567 | 12345678

校验IPv4地址

描述：IP地址是一个32位的二进制数，通常被分割为4个“8位二进制数”（也就是4个字节）。IP地址通常用“点分十进制”表示成（a.b.c.d）的形式，其中，a,b,c,d都是0~255之间的十进制整数。

^([01]?\\d\\d?|2[0-4]\\d|25[0-5])\\.([01]?\\d\\d?|2[0-4]\\d|25[0-5])\\.([01]?\\d\\d?|2[0-4]\\d|25[0-5])\\.([01]?\\d\\d?|2[0-4]\\d|25[0-5])$

匹配：0.0.0.0 | 255.255.255.255 | 127.0.0.1

不匹配：10.10.10 | 10.10.10.256

校验IPv6地址

描述：IPv6的128位地址通常写成8组，每组为四个十六进制数的形式。

IPv6地址可以表示为以下形式：

IPv6 地址
零压缩 IPv6 地址(section 2.2 of rfc5952)
带有本地链接区域索引的 IPv6 地址 (section 11 of rfc4007)
嵌入IPv4的 IPv6 地址(section 2 of rfc6052
映射IPv4的 IPv6 地址 (section 2.1 of rfc2765)
翻译IPv4的 IPv6 地址 (section 2.1 of rfc2765)

显然，IPv6地址的表示方式很复杂。你也可以参考

百度百科-IPv6

Stack overflow上的IPv6正则表达高票答案

(([0-9a-fA-F]{1,4}:){7,7}[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,7}:|([0-9a-fA-F]{1,4}:){1,6}:[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,5}(:[0-9a-fA-F]{1,4}){1,2}|([0-9a-fA-F]{1,4}:){1,4}(:[0-9a-fA-F]{1,4}){1,3}|([0-9a-fA-F]{1,4}:){1,3}(:[0-9a-fA-F]{1,4}){1,4}|([0-9a-fA-F]{1,4}:){1,2}(:[0-9a-fA-F]{1,4}){1,5}|[0-9a-fA-F]{1,4}:((:[0-9a-fA-F]{1,4}){1,6})|:((:[0-9a-fA-F]{1,4}){1,7}|:)|fe80:(:[0-9a-fA-F]{0,4}){0,4}%[0-9a-zA-Z]{1,}|::(ffff(:0{1,4}){0,1}:){0,1}((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])|([0-9a-fA-F]{1,4}:){1,4}:((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9]))

匹配：1:2:3:4:5:6:7:8 | 1:: | 1::8 | 1::6:7:8 | 1::5:6:7:8 | 1::4:5:6:7:8 | 1::3:4:5:6:7:8 | ::2:3:4:5:6:7:8 | 1:2:3:4:5:6:7:: | 1:2:3:4:5:6::8 | 1:2:3:4:5::8 | 1:2:3:4::8 | 1:2:3::8 | 1:2::8 | 1::8 | ::8 | fe80::7:8%1 | ::255.255.255.255 | 2001:db8:3:4::192.0.2.33 | 64:ff9b::192.0.2.33

不匹配：1.2.3.4.5.6.7.8 | 1::2::3

特定字符

匹配长度为3的字符串：^.{3}$。

匹配由26个英文字母组成的字符串：^[A-Za-z]+$。

匹配由26个大写英文字母组成的字符串：^[A-Z]+$。

匹配由26个小写英文字母组成的字符串：^[a-z]+$。

匹配由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$。

匹配由数字、26个英文字母或者下划线组成的字符串：^\\w+$。

特定数字

匹配正整数：^[1-9]\\d*$

匹配负整数：^-[1-9]\\d*$

匹配整数：^(-?[1-9]\\d*)|0$

匹配正浮点数：^[1-9]\\d*\\.\\d+|0\\.\\d+$

匹配负浮点数：^-([1-9]\\d*\\.\\d*|0\\.\\d*[1-9]\\d*)$

匹配浮点数：^-?([1-9]\\d*\\.\\d*|0\\.\\d*[1-9]\\d*|0?\\.0+|0)$

参考

正则应用之——日期正则表达式

http://www.regexlib.com/