javascript关于正则三

[原创] jQuery源码分析-02正则表达式-RegExp-常用正则表达式

博客分类： jQuery
javascriptregexp常用正则表达式
Js代码  
作者：nuysoft/JS攻城师/高云　QQ：47214707　EMail：[email protected]      
声明：本文为原创文章，如需转载，请注明来源并保留原文链接。  
后文预告：jQuery中的正则表达式分析  
Js代码  
2.4 常用正则表达式  
在网上找到一篇广为流传的文章《常用正则表达式》，逐一分析，不足地方进行补充和纠正。  
Js代码  
常用的数字正则（严格匹配）  
  
正则  含义  
^[1-9]\d*$  匹配正整数  
^-[1-9]\d*$ 匹配负整数  
^-?[1-9]\d*$    匹配整数  
^[1-9]\d*|0$    匹配非负整数（正整数 + 0）  
^-[1-9]\d*|0$   匹配非正整数（负整数 + 0）  
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$  匹配正浮点数  
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$   匹配负浮点数  
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$     匹配浮点数  
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$ 匹配非负浮点数（正浮点数 + 0）  
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$    匹配非正浮点数（负浮点数 + 0）  
Js代码  
常用字符串正则  
  
正则  含义  补充  
^[A-Za-z]+$ 匹配由26个英文字母组成的字符串    或 /^[a-z]+$/i  
^[A-Z]+$    匹配由26个英文字母的大写组成的字符串   
^[a-z]+$    匹配由26个英文字母的小写组成的字符串   
^[A-Za-z0-9]+$  匹配由数字和26个英文字母组成的字符串 注意\w包含下划线_  
^\w+$   匹配由数字、26个英文字母或者下划线组成的字符串      
常用数字正则和常用字符串正则，是最基本的正则应用，读者可以作为入门的练习，试试能不能快速的读懂其中的含义。  
Js代码  
匹配中文字符  
  
普遍使用的正则是[\u4e00-\u9fa5]，但这个范围并不完整。例如：  
/[\u4e00-\u9fa5]/.test( '⻏' ) // 测试部首⻏，返回false  
根据Unicode 5.0版编码，要准确的判断一个中文字符要包括：  
范围  含义  范围  含义  
2E80-2EFF   CJK 部首补充    2F00-2FDF   康熙字典部首  
3000-303F   CJK 符号和标点   31C0-31EF   CJK 笔画  
3200-32FF   封闭式 CJK 文字和月份   3300-33FF   CJK 兼容  
3400-4DBF   CJK 统一表意符号扩展 A  4DC0-4DFF   易经六十四卦符号  
4E00-9FBF   CJK 统一表意符号  F900-FAFF   CJK 兼容象形文字  
FE30-FE4F   CJK 兼容形式    FF00-FFEF   全角ASCII、全角标点  
因此，正确的匹配中文字符正则表达式为：  
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;  
如果不希望匹配标点、符号，在正则中去掉对应的范围即可：  
3000-303F   CJK 符号和标点   FF00-FFEF   全角ASCII、全角标点  
Js代码  
匹配双字节字符(包括汉字在内)  
  
[^\x00-\xff]，可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1），代码示例如下：  
console.info( "abc".replace( /[^\x00-\xff]/g,"aa" ).length ) // 3  
console.info( "汉字".replace( /[^\x00-\xff]/g,"aa" ).length ) // 4  
console.info( "abc汉字".replace( /[^\x00-\xff]/g,"aa").length ) // 7  
Js代码  
匹配HTML标记的正则表达式  
  
先说说网上流传的版本：  
<(\S*?)[^>]*>.*?</\1>|<.*? />  
*?  *表示0个或多个，?表示0个或1个，两个叠加起来标识0个多个，与*的功能重叠  
(\S*?)  标签的长度必须大于0，因此不能用*?   
|<.*?\/>  没有分组，无法获取以<div/>这种自关闭格式书写的标签  
</\1>  
<.*? />   有的标签是不关闭的，比如<br><hr>，因此不能强制关闭  
修正如下：  
var rtag = /^<([a-z]+)\s*\/?>.*(?:<\/\1>)?$/i  
rtag.exec( '<-div></-div>') // null   
rtag.exec( '<div>abc') // ["<div>abc", "div"]  
这个表达式也不完善，比如第二条测试语句，这么写是为了能提取中包含了文本内容的标签，如果要严格匹配，可再次修改为：  
var rtag = /^<([a-z]+)\s*\/?> (?:<\/\1>)?$/i // 去掉了中间的.*  
这个正则的应用范围仅限于简单的标签匹配、提取，不能匹配嵌套标记。  
Js代码  
匹配首尾空白字符的正则表达式  
  
先说说网上流传的版本：  
^\s*|\s*$  
可以删除行首行尾的空白字符，例如：  
'   \t    \n\r   abc   \t    \n\r   '.replace( /^\s*|\s*$/g, '' ) // abc  
但是用\s*不能判断出字符串是否在开头或结尾处有\s，例如：  
/^\s*|\s*$/.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  
Js代码  
匹配Email地址的正则表达式  
  
先介绍下Email的规则：local-part@domain  
   local-part最长64，domain最长253，总长最长256  
   local-part可以使用任意ASCII字符：  
   大小写英文字母 a-z,A-Z  
   数字 0-9  
   字符 !#$%&'*+-/=?^_`{|}~  
   字符 .不能是第一个和最后一个，不能连续出现两次  
   但是有些邮件服务器会拒绝包含有特殊字符的邮件地址  
   domain（域名）仅限于26个英文字母、10个数字、连词号-  
   连词号-不能是第一个字符  
   顶级域名（com、cn等）长度为2到6个  
先说说网上流传的版本：  
\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*  
()  莫名奇妙的分组，如果只分组不记录，可以使用(?:)  
@\w domain不能包含下划线_  
\w+([-.]\w+)*   顶级域名不符合规则  
修正如下：  
var remail = /^([\w-_]+(?:\.[\w-_]+)*)@((?:[a-z0-9]+(?:-[a-zA-Z0-9]+)*)+\.[a-z]{2,6})$/i  
remail.exec( '[email protected]' ) // "[email protected]", "nuysoft", "gmail.com"]  
remail.exec( '[email protected]' ) // null  
remail.exec( 'nuysoft@_gmail.com ) // null  
修正后的正则有如下局限性：  
   不支持中文邮箱、中文域名，之所以不在其中支持是因为我个人的爱好倾向，反感这类华而不实的玩意  
   不支持特殊符号，避免非邮件服务器拒绝，如果需要，可以添加。  
参考文章：  
http://en.wikipedia.org/wiki/Email_address  
http://baike.baidu.com/view/119298.htm  
Js代码  
匹配网址URL的正则表达式  
  
先说说网上流传的版本：  
[a-zA-z]+://[^\s]*  
粗糙，没有对URL中各个块进行分组  
修正如下（又一段网上流传的版本）：  
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  
         + "|" // 允许IP和DOMAIN（域名）  
         + "([0-9a-z_!~*'()-]+.)*" // 域名- www.  
         + "([0-9a-z][0-9a-z-]{0,61})?[0-9a-z]." // 二级域名  
         + "[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' );  
  
测试：  
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  
看来不怎么也好用，有待学习TODO。  
Js代码  
匹配帐号是否合法  
  
先说说网上流传的版本：  
^[a-zA-Z][a-zA-Z0-9_]{4,15}$  
(字母开头，允许5-16字节，允许字母数字下划线)  
限制必须以字母开头现在看来不合适，比如QQ登录平台  
限制不能以下划线开头也没有必要，比如百度就允许，因此简单点  
修正如下：  
var ruser = /\w{4,16}/  
Js代码  
匹配国内电话号码  
  
网上流传的版本很好用：  
\d{3}-\d{8}|\d{4}-\d{7}  
评注：匹配形式如 0511-4405222 或 021-87888822  
Js代码  
匹配腾讯QQ号  
  
网上流传的版本很好用：  
 [1-9][0-9]{4,}  
评注：腾讯QQ号从10000开始  
Js代码  
匹配中国邮政编码  
  
网上流传的版本很好用：  
[1-9]\d{5}(?!\d)  
评注：中国邮政编码为6位数字  
Js代码  
匹配身份证  
  
先说说网上流传的版本：  
\d{15}|\d{18}  
d{15}  
\d{18}  可以判断，但是有些粗糙   
从身份证可以解析出地址、生日、性别等，因此特别说明一下：  
   身份证规则  
中国的身份证为15位（一代）或18位（二代），区别在于二代证只是在一代证的第七位数字前加了19和在末尾加了一位验证码  
   将15位升级为18位，并解析18位号码构成（地址、生日、性别）  
代码如下：  
function parseID(ID) {  
    if ( ID.length == 15 ) {  
        // 升级为18位  
        ID = ID.substr( 0, 6 ) + "19" + ID.substr( 6 );  
        // 前17位对应的系数  
        var rank = [  
                "7", "9", "10", "5", "8", "4", "2", "1", "6", "3", "7", "9", "10", "5", "8", "4", "2"  
        ];  
        // 前17为加权除以17后的余数对应的最后一位身份证号码  
        var last = [  
                "1", "0", "X", "9", "8", "7", "6", "5", "4", "3", "2"  
        ];  
        // 加权和  
        for ( var i = 0, sum = 0, len = ID.length; i < len; i++)  
            sum += ID[ i ] * rank[ i ];  
        // 加上最后一位  
        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：  
   这里只是解析出了地址代码，如何将代码转换为实际地址请问度娘。  
   返回对象中的sex为1（男）或0（女），并未做转换，如果页面显示需要，可以这样转换：sex ? "男" : "女"   
测试：  
console.info( parseID( "142327840821047" ) );  
console.info( parseID("142327198408210470" ) );  
参考资料：  
http://baike.baidu.com/view/118340.htm#1  
Js代码  
匹配IP地址  
  
先说说网上流传的版本：  
\d+\.\d+\.\d+\.\d+  
\d  数字没有限制  
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])$/;  
rip.test( "192.168.1.1" ) // true  
rip.test( "0.0.0.0" ) // true  
rip.test( "255.255.255.255" ) // true  
rip.test( "256.255.255.255" ) // false  
进一步增加分组：  
var rip2 = /^([01]?\d{1,2}|2[0-4]\d|25[0-5])\.([01]?\d{1,2}|2[0-4]\d|25[0-5])\.([01]?\d{1,2}|2[0-4]\d|25[0-5])\.([01]?\d{1,2}|2[0-4]\d|25[0-5])$/;  
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  

来源：http://nuysoft.iteye.com/blog/1217898