正则表达式是描述一组字符串特征的模式,用来匹配特定的字符串。
一、需求
写一个正则表达式匹配电话号码,并且括号、连字符或点号都是可选的。假定合规数据只包含以下15种匹配模式之一:
- xxxxxxx 8277019
- xxx.xxxx 827.7019
- xxx-xxxx 827-7019
- xxxxxxxxxx 7078277019
- xxxxxx.xxxx 707827.7019
- xxxxxx-xxxx 707827-7019
- xxx.xxxxxxx 707.8277019
- xxx.xxx.xxxx 707.827.7019
- xxx.xxx-xxxx 707.827-7019
- xxx-xxxxxxx 707-8277019
- xxx-xxx.xxxx 707-827.7019
- xxx-xxx-xxxx 707-827-7019
- (xxx)xxxxxxx (707)8277019
- (xxx)xxx.xxxx (707)827.7019
- (xxx)xxx-xxxx (707)827-7019
二、实现
1. 创建表并生成测试数据
create table t_regexp (a text);
insert into t_regexp values
-- 合规数据
('8277019'),
('827.7019'),
('827-7019'),
('7078277019'),
('707827.7019'),
('707827-7019'),
('707.8277019'),
('707.827.7019'),
('707.827-7019'),
('707-8277019'),
('707-827.7019'),
('707-827-7019'),
('(707)8277019'),
('(707)827.7019'),
('(707)827-7019'),
-- 噪声数据
('a277019'),
('abc827-7019'),
('8a2b7c-7019'),
('.827-7019'),
('70711-827-7019'),
('(707)-827-7019'),
('(707).827-7019'),
('707-827-701912'),
('(707.827-7019'),
('(707827-7019');
2. 编写正则表达式
^(\(\d{3}\)|\d{3}[.-]?)?\d{3}[.-]?\d{4}$
3. 使用regexp函数查询验证
-- 注意SQL中要使用 \ 对正则表达式中的转义字符 \ 进行转义,看起来就如下为两个连续的 \:\\
select * from t_regexp
where a regexp '^(\\(\\d{3}\\)|\\d{3}[.-]?)?\\d{3}[.-]?\\d{4}$';
三、分析与知识点
1. 匹配字符串字面值
707-827-7019
上面这个正则表达式用字符串字面值(string literal)来匹配目标字符串。所谓字符串字面值,就是字面上看起来是什么就是什么。
2. 使用字符组匹配数字
[0-9]
正则表达式 [0-9] 的含义是“匹配0到9范围内的任意数字”。正则表达式将方括号视为特殊的元字符(metacharacter),因此方括号不参与匹配。元字符是在正则表达式中有特殊含义的字符,也是保留字符。[0-9] 这种形式的正则表达式称做字符组(character class)。可以对数字的范围进行进一步限定,比如:
[012789]
这个字符组只会匹配列出的数字,即 0、1、2、7、8、9 。要匹配任意10位以连字符分隔的电话号码,可以使用以下正则表达式:
[0-9][0-9][0-9]-[0-9][0-9][0-9]-[0-9][0-9][0-9][0-9]
这是可以的,但太长了,更好的方法是采用简写形式。
3. 使用字符组简写式匹配一位数字
\d 可以像 [0-9] 一样匹配任意阿拉伯数字。这种正则表达式叫做字符组简写式(character shorthand)。可以使用以下表达式来匹配电话号码中的任意数字:
\d\d\d-\d\d\d-\d\d\d\d
重复 \d 三次和四次就可以分别匹配三个和四个数字。该表达式中的连字符是一个字面值,因此会被原样匹配。除了和上面表达式一样,使用连字符本身(-)来匹配连字符之外,也可以用转义的大写D(\D),它匹配任何一个非数字字符。以下示例使用了 \D 来匹配连字符:
\d\d\d\D\d\d\d\D\d\d\d\d
4. 匹配任意字符
还可以用点号(.)来匹配连字符:
\d\d\d.\d\d\d.\d\d\d\d
点号(英文句号)是一个通配符,可以匹配任意字符(但某些情况下不能匹配行起始符)。以上示例中的正则表达式匹配了连字符,但它也可以匹配百分号(%):
707%827%7019
或者是竖线(|):
707|827|7019
亦或其他字符。
5. 使用捕获分组和后向引用
可以使用捕获分组(capturing group)来匹配电话号码中的某一部分,然后使用后向引用(backreference)对分组中的内容进行引用。要创建捕获分组,先将一个 \d 放在一对圆括号中,这样就将它放入了一个分组中,后面可以用 \1 来对捕获的内容进行后向引用:
(\d)\d\1
\1 对括号内分组捕获的内容进行了反向引用。(\d) 匹配第一个数字并将其捕获;\d 匹配第二个数字但没有捕获,因为没有括号;\1 对捕获的数字进行反向引用。这个正则表达式只匹配了区号。现在可以用一个分组和几个后向引用对整个电话号码进行匹配:
(\d)0\1\D\d\d\1\D\1\d\d\d
6. 使用量词
现在用另一种语法来匹配电话号码:
\d{3}-?\d{3}-?\d{4}
花括号中的数字表示待查找的数字出现的次数。包含数字的花括号是一种量词(quantifier)。花括号本身用做元字符。问号是另一种量词,在以上表达式中表示连字符是可选的。也就是说,连字符可以不出现或只出现一次。还有其他的量词,例如加号(+)表示“一个或多个”,星号(*)表示“零个或多个”。使用量词能让正则表达式变得更简洁:
(\d{3,4}[.-]?)+
加号表示出现一次或多次。这个正则表达式表示括号里的模式出现一次或多次,括号里的模式匹配三位或四位数字,后跟一个连字符或一个点号。下面逐一解释表达式中的每一项:左圆括号 ( 为捕获分组的起始符;反斜杠 \ 为字符组简写式的起始符(对之后的字符进行转义);字符 d 为字符组简写式的结束符(d匹配0到9范围内的任意数字);左花括号 { 为量词起始符;数字3为匹配的最小数量;逗号 , 隔开不同的数量;数字4为匹配的最大数量;右花括号 } 为量词的结束符;左方括号 [ 为字符组的起始符;点号 . (匹配点号本身);连字符 - 匹配连字符的本身;右方括号 ] 为字符组的结束符;问号 ?表示量词“零个或一个”;右圆括号 ) 为捕获分组的结束符;加号 + 表示量词“一个或多个”。这个表达式只能匹配3位或4位的数字,而不管是否符合电话号码的格式。我们来改进一下:
(\d{3}[.-]?){2}\d{4}
这个表达式匹配的字符串是连续两个无括号的三位数字,每三位数字后可以带连字符也可以不带,最后是一个四位数字。这个正则表达式有问题,从 https://www.dute.org/regex 在线测试结果一目了然。
对于测试数据,合规数据仅匹配了具有区号且区号不带括号的数据:
而噪声数据也匹配了4个:
问题出在对字符串首尾和区号的匹配上,下面加以改进。
7. 括选文字符
这个正则表达式表示第一个3位数字可以带也可以不带括号,即区号是可选的:
^(\(\d{3}\)|\d{3}[.-]?)?\d{3}[.-]?\d{4}$
为了便于理解,我们再按匹配次序看一下表达式中的各项。下表从最高到最低说明了各种正则表达式运算符的优先级顺序:
运算符 |
说明 |
\ |
转义符 |
(), (?:), (?=), [] |
小括号和中括号 |
*, +, ?, {n}, {n,}, {n,m} |
限定符 |
^, $, \任何元字符、任何字符 |
定位点和序列(即:位置和顺序) |
| |
“或”操作。字符具有高于或运算符的优先级,使得“m|food”匹配“m”或“food”。若要匹配“mood”或“food”,需使用括号创建子表达式,从而产生“(m|f)ood”。 |
\(\d{3}\)|\d{3}[.-]?
\( 表示左括号本身;\d 匹配一位数字;\d 之后的{3}是量词,表示匹配三位数字;\) 匹配右括号本身;竖线符 | 表示选择,也就是从多个可选项中选择一个;\d 匹配一位数字;{3} 是表示匹配三位数字的量词;[.-]?匹配一个可选的点号或连字符。这部分表达式表示“匹配一个带括号的区号,或一个不带括号但可能包含连字符的区号”:
(xxx)
xxx
xxx.
xxx-
^(\(\d{3}\)|\d{3}[.-]?)?
出现在正则表达式起始位置的脱字符 ^ ,表示0个或1个区号会出现在一行的起始位置,如下的噪声数据将被过滤掉:
70711-827-7019
(707.827-7019
(707827-7019
\d{3}[.-]?
\d 匹配一位数字;{3} 表示匹配三位数字的量词;[.-]? 匹配另一个可选的点号或连字符;
\d{4}$
\d 匹配一位数字;{4} 是表示匹配四位数字的量词;美元符 $ 匹配行结束位置,即以4位数字结尾,如下的噪声数据将被过滤掉:
707-827-701912
注意 ^ 的位置,一定要在分组外。如果要放到分组内:
(^\(\d{3}\)|^\d{3}[.-]?)?\d{3}[.-]?\d{4}$
则只要符合 \d{3}[.-]?\d{4}$ 的数据都会被匹配到:文章来源:https://www.toymoban.com/news/detail-422442.html
文章来源地址https://www.toymoban.com/news/detail-422442.html
到了这里,关于正则表达式 - 电话号码的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!