关于数字的正则验证

数字正则验证

自己在实际工作过程中，发现正则用到的地方很多，而且写的好的正则表达式可以在达到同样效果的情况下更简洁美观，性能也更佳。本人对于正则是十分推崇喜爱的，也一直在学习此的过程中，其中也有一些心得体会，借此分享给大家。

正则的基础语法我就不多介绍，可以参阅菜鸟正教程，也可以看看百度正则词条来直接学习使用正则语法。在日常使用过程中，很多时候我们需要对数字进行正则，数字正则看似简单，实则里面也有很多技巧，通过自己的实践将一些心得分享一下。

常见的，以匹配18位身份证号的数字正则举例:
匹配18位的身份证号，首先想到的是18位和数字这两个条件，可以得出(\d){18}，解读一下，\d匹配为[0-9]，表示0到9的数字，整个表达式的意思是0到9的正整数18个；
仔细一想，身份证首位不存在0，最后位可能为X(罗马数字的10），改良以后得到[1-9]\d{16}(\d|X|x)；
这样似乎已经解决问题了，但其实不然，正则表达式的使用，其中很重要的一点就是要精准，何谓精准，主要体现在漏匹配和误匹配两个方面上，顾名思义，漏匹配是指正则表达式所匹配的内容范围太过狭窄，导致某些符合要求的内容没有匹配到，就像前文中的身份证最后位可能为X，如果我们只考虑数字而忽略了末位为X这种情况，就属于漏匹配；而误匹配也很好理解，指正则表达式所匹配的内容范围太过宽泛，有些很明显不符合我们匹配要求的，也可以被匹配成功，例如前文中首位为0的情况，很明显身份证不存在首位为0的情况，如果使用\d而不是[1-9]就属于误匹配。
由此，我们可以知道，正则的正确率体现在无漏匹配上，而正则的效率则体现在低误匹配率上，很多时候，在使用一段时间正则后，无漏匹配一般都能做到，但在低误匹配率上，会发现与那些熟练使用正则的大佬还是有所差距（最为理想的情况是无漏匹配且无误匹配），所以我们平时在使用正则表达式过程中，应当遵循在保证正确率的情况下，应该尽可能减低组件的误匹配率。所以，当我们再看到[1-9]\d{16}(\d|X|x)用于匹配18位身份证号码时，就觉得不够看了，我们需要了解更多的规则限制，才能减低误匹配率。查询相关资料，我们可以发现，18位的身份证是由多部分构成的：
前1、2位数字表示：所在省份的代码，且首位不存在0；
第3、4位数字表示：所在城市的代码；
第5、6位数字表示：所在区县的代码；
第7~14位数字表示：出生年、月、日；
第15、16位数字表示：所在地的派出所的代码；
第17位数字表示性别：奇数表示男性，偶数表示女性；
第18位数字是校检码：用来检验身份证的正确性。校检码可以是0~10的数字，10用x表示。
综上所述，我们可以再排除一些情况，比如7-10的出生年份，很明显应该没有18世纪或者21世纪的人，19世纪的人现在也起码120岁了（18世纪的级之前的怕是看了《这个男人来自地球》吧，就算如此用的也是假身份证吧），所以应该只有存在18，19，20开头的，当然我们考虑到未来，顺延一段时间，将2和3开头的都先考虑进去好了；然后11到12位表示月份，很明显只有12种情况，13到14位表日期，最多只有31种可能。先将上诉内容归纳，我们可以得到正则表达式：

^[1-9]\d{5}(18|19|([2-3]\d))\d{2}((0[1-9])|(10|11|12))(([0-2][1-9])|10|20|30|31)\d{3}(\d|X|x)$`

相比[1-9]\d{16}(\d|X|x)，看似麻烦不少，可能有人会觉得没有必要，用后面那种不是更简便吗，但是我们就只看7,8位，相比以前的2个\d，使用18,19,2和3开头的正则，只需要匹配相当于原来1/5作用的内容，这里就可以少匹配80%，更何况还有一些其他情况，很多时候都是几个数量级的优化量，所以正则匹配性能优化时由优化表达式带来的优化量十分可观。
另外从上诉正则不断优化过程中，不难总结出一些书写正则表达式时的行之有效的经验：
1、先做加法，再做减法：一开始用正则进行匹配界定时，可以先将范围放宽些，然后慢慢做减法，一步步缩减范围。如上面匹配身份证号码时，我们一开始完全可以用[1-9]\d{16}(\d|X|x)这种完全不考虑身份证号码各位数规则，只考虑数字这样的表达式，目的是为了保证我们的正确率（无漏匹配），因为正确率是第一位的，如果连正确率都不能保证（存在漏匹配），那我们的正则一开始就是错的，何谈优化，优化得再怎么完美都是白搞。
2、按部就班，循序渐进：在做减法的时候，要按照我们能获取到的条件，一步步，一层层地”改进“我们的正则表达式，初用正则时，切不可想着一步到位，一开始就在那里空想，想直接一下子就把所有内容都完成，这是不切实际的，或者说是一开始使用正则时极难达到的。我们在解决问题的时候，可以将问题分为一个个小问题，分为很多小部分，一点点剖析开来，就像前面的身份证号码正则，我们完全可以将其分为前6位，中8位，倒数234位，末尾这四个部分，一点点分析，一个个解决。正如小时候学过的莫顿·亨特的文章《走一步，再走一步》（原名《悬崖上的一课》），就不怕遇到难题，也可以极大的提升正确率。
3、留有余地，正如我们平时做事时一样，很多时候考虑和解决问题都需要我们留有余地，留有“操作”空间，就像前面考虑年份时，虽然我们在限定20实际的时候，完全可以限定200,201,202这三个开头（表示2000-2030年间），因为还有10年才会出现其他情况（本文写于2020年），尽管包含了所有目前2000年及之后的情况，但是未免限定的太过于狭窄，所以我们限定时包含了所有的2和3开头的情况，倒不是说我们想让我们的正则使用周期能有几千年跨度这么久，而是想体现一种前瞻性思维，目的是降低漏匹配率，延长正则表达式的生命周期。
4、多做多练，所谓熟能生巧，做任何事都一样，每个人的天赋可能会有所差别，一开始入手时会有所差异，但勤能补拙，我们可以通过不断地练习来提升我们的熟练度。那些熟练应用书写高效率正则的人，也都是从一开始的懵懂，通过不停地实践、练习提升自己的技能水平，才到达融会贯通的水平的。

写在最后：自己在正则方面也谈不上驾轻就熟，像非捕获型括号(?:…)相对于普通括号()对于内存的优化、较为复制正则的书写等方面，至今还又很大不住，写这篇文章是讲述一些自己的心得体会，希望大家能够一起成长！