JQuery源碼分析-02正則表達式-RegExp-常用正則表達式

[原創] jQuery源碼分析-02正則表達式-RegExp-常用正則表達式

博客分類：  jQuery

javascriptregexp常用正則表達式

作者：nuysoft/JS攻城師/高雲　QQ：47214707　EMail：[email protected]
聲明：本文爲原創文章，如需轉載，請註明來源並保留原文鏈接。
後文預告：jQuery中的正則表達式分析

2.4 常用正則表達式
在網上找到一篇廣爲流傳的文章《常用正則表達式》，逐一分析，不足地方進行補充和糾正。

常用的數字正則（嚴格匹配）

正則  含義
^[1-9]\d*$  匹配正整數
^-[1-9]\d*$ 匹配負整數
^-?[1-9]\d*$    匹配整數
^[1-9]\d*|0$    匹配非負整數（正整數 + 0）
^-[1-9]\d*|0$   匹配非正整數（負整數 + 0）
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$  匹配正浮點數
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$   匹配負浮點數
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$     匹配浮點數
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$ 匹配非負浮點數（正浮點數 + 0）
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$    匹配非正浮點數（負浮點數 + 0）

常用字符串正則

正則  含義  補充
^[A-Za-z]+$ 匹配由26個英文字母組成的字符串    或 /^[a-z]+$/i
^[A-Z]+$    匹配由26個英文字母的大寫組成的字符串
^[a-z]+$    匹配由26個英文字母的小寫組成的字符串
^[A-Za-z0-9]+$  匹配由數字和26個英文字母組成的字符串 注意\w包含下劃線_
^\w+$   匹配由數字、26個英文字母或者下劃線組成的字符串
常用數字正則和常用字符串正則，是最基本的正則應用，讀者可以作爲入門的練習，試試能不能快速的讀懂其中的含義。

匹配中文字符

普遍使用的正則是[\u4e00-\u9fa5]，但這個範圍並不完整。例如：
/[\u4e00-\u9fa5]/.test( '⻏' ) // 測試部首⻏，返回false
根據Unicode 5.0版編碼，要準確的判斷一箇中文字符要包括：
範圍  含義  範圍  含義
2E80-2EFF   CJK 部首補充    2F00-2FDF   康熙字典部首
3000-303F   CJK 符號和標點   31C0-31EF   CJK 筆畫
3200-32FF   封閉式 CJK 文字和月份   3300-33FF   CJK 兼容
3400-4DBF   CJK 統一表意符號擴展 A  4DC0-4DFF   易經六十四卦符號
4E00-9FBF   CJK 統一表意符號  F900-FAFF   CJK 兼容象形文字
FE30-FE4F   CJK 兼容形式    FF00-FFEF   全角ASCII、全角標點
因此，正確的匹配中文字符正則表達式爲：
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;
如果不希望匹配標點、符號，在正則中去掉對應的範圍即可：
3000-303F   CJK 符號和標點   FF00-FFEF   全角ASCII、全角標點

匹配雙字節字符(包括漢字在內)

[^\x00-\xff]，可以用來計算字符串的長度（一個雙字節字符長度計2，ASCII字符計1），代碼示例如下：
console.info( "abc".replace( /[^\x00-\xff]/g,"aa" ).length ) // 3
console.info( "漢字".replace( /[^\x00-\xff]/g,"aa" ).length ) // 4
console.info( "abc漢字".replace( /[^\x00-\xff]/g,"aa").length ) // 7

匹配HTML標記的正則表達式

先說說網上流傳的版本：
<(\S*?)[^>]*>.*?</\1>|<.*? />
*?  *表示0個或多個，?表示0個或1個，兩個疊加起來標識0個多個，與*的功能重疊
(\S*?)  標籤的長度必須大於0，因此不能用*?
|<.*?\/>  沒有分組，無法獲取以<div/>這種自關閉格式書寫的標籤
</\1>
<.*? />   有的標籤是不關閉的，比如<br><hr>，因此不能強制關閉
修正如下：
var rtag = /^<([a-z]+)\s*\/?>.*(?:<\/\1>)?$/i
rtag.exec( '<-div></-div>') // null
rtag.exec( '<div>abc') // ["<div>abc", "div"]
這個表達式也不完善，比如第二條測試語句，這麼寫是爲了能提取中包含了文本內容的標籤，如果要嚴格匹配，可再次修改爲：
var rtag = /^<([a-z]+)\s*\/?> (?:<\/\1>)?$/i // 去掉了中間的.*
這個正則的應用範圍僅限於簡單的標籤匹配、提取，不能匹配嵌套標記。

匹配首尾空白字符的正則表達式

先說說網上流傳的版本：
^\s*|\s*$
可以刪除行首行尾的空白字符，例如：
'   \t    \n\r   abc   \t    \n\r   '.replace( /^\s*|\s*$/g, '' ) // abc
但是用\s*不能判斷出字符串是否在開頭或結尾處有\s，例如：
/^\s*|\s*$/.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

匹配Email地址的正則表達式

先介紹下Email的規則：local-part@domain
   local-part最長64，domain最長253，總長最長256
   local-part可以使用任意ASCII字符：
   大小寫英文字母 a-z,A-Z
   數字 0-9
   字符 !#$%&'*+-/=?^_`{|}~
   字符 .不能是第一個和最後一個，不能連續出現兩次
   但是有些郵件服務器會拒絕包含有特殊字符的郵件地址
   domain（域名）僅限於26個英文字母、10個數字、連詞號-
   連詞號-不能是第一個字符
   頂級域名（com、cn等）長度爲2到6個
先說說網上流傳的版本：
\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
()  莫名奇妙的分組，如果只分組不記錄，可以使用(?:)
@\w domain不能包含下劃線_
\w+([-.]\w+)*   頂級域名不符合規則
修正如下：
var remail = /^([\w-_]+(?:\.[\w-_]+)*)@((?:[a-z0-9]+(?:-[a-zA-Z0-9]+)*)+\.[a-z]{2,6})$/i
remail.exec( '[email protected]' ) // "[email protected]", "nuysoft", "gmail.com"]
remail.exec( '[email protected]' ) // null
remail.exec( 'nuysoft@_gmail.com ) // null
修正後的正則有如下侷限性：
   不支持中文郵箱、中文域名，之所以不在其中支持是因爲我個人的愛好傾向，反感這類華而不實的玩意
   不支持特殊符號，避免非郵件服務器拒絕，如果需要，可以添加。
參考文章：
http://en.wikipedia.org/wiki/Email_address
http://baike.baidu.com/view/119298.htm

匹配網址URL的正則表達式

先說說網上流傳的版本：
[a-zA-z]+://[^\s]*
粗糙，沒有對URL中各個塊進行分組
修正如下（又一段網上流傳的版本）：
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
         + "|" // 允許IP和DOMAIN（域名）
         + "([0-9a-z_!~*'()-]+.)*" // 域名- www.
         + "([0-9a-z][0-9a-z-]{0,61})?[0-9a-z]." // 二級域名
         + "[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' );

測試：
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
看來不怎麼也好用，有待學習TODO。

匹配帳號是否合法

先說說網上流傳的版本：
^[a-zA-Z][a-zA-Z0-9_]{4,15}$
(字母開頭，允許5-16字節，允許字母數字下劃線)
限制必須以字母開頭現在看來不合適，比如QQ登錄平臺
限制不能以下劃線開頭也沒有必要，比如百度就允許，因此簡單點
修正如下：
var ruser = /\w{4,16}/

匹配國內電話號碼

網上流傳的版本很好用：
\d{3}-\d{8}|\d{4}-\d{7}
評註：匹配形式如 0511-4405222 或 021-87888822

匹配騰訊QQ號

網上流傳的版本很好用：
 [1-9][0-9]{4,}
評註：騰訊QQ號從10000開始

匹配中國郵政編碼

網上流傳的版本很好用：
[1-9]\d{5}(?!\d)
評註：中國郵政編碼爲6位數字

匹配身份證

先說說網上流傳的版本：
\d{15}|\d{18}
d{15}
\d{18}  可以判斷，但是有些粗糙
從身份證可以解析出地址、生日、性別等，因此特別說明一下：
   身份證規則
中國的身份證爲15位（一代）或18位（二代），區別在於二代證只是在一代證的第七位數字前加了19和在末尾加了一位驗證碼
   將15位升級爲18位，並解析18位號碼構成（地址、生日、性別）
代碼如下：
function parseID(ID) {
    if ( ID.length == 15 ) {
        // 升級爲18位
        ID = ID.substr( 0, 6 ) + "19" + ID.substr( 6 );
        // 前17位對應的係數
        var rank = [
                "7", "9", "10", "5", "8", "4", "2", "1", "6", "3", "7", "9", "10", "5", "8", "4", "2"
        ];
        // 前17爲加權除以17後的餘數對應的最後一位身份證號碼
        var last = [
                "1", "0", "X", "9", "8", "7", "6", "5", "4", "3", "2"
        ];
        // 加權和
        for ( var i = 0, sum = 0, len = ID.length; i < len; i++)
            sum += ID[ i ] * rank[ i ];
        // 加上最後一位
        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：
   這裏只是解析出了地址代碼，如何將代碼轉換爲實際地址請問度娘。
   返回對象中的sex爲1（男）或0（女），並未做轉換，如果頁面顯示需要，可以這樣轉換：sex ? "男" : "女"
測試：
console.info( parseID( "142327840821047" ) );
console.info( parseID("142327198408210470" ) );
參考資料：
http://baike.baidu.com/view/118340.htm#1

匹配IP地址

先說說網上流傳的版本：
\d+\.\d+\.\d+\.\d+
\d  數字沒有限制
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])$/;
rip.test( "192.168.1.1" ) // true
rip.test( "0.0.0.0" ) // true
rip.test( "255.255.255.255" ) // true
rip.test( "256.255.255.255" ) // false
進一步增加分組：
var rip2 = /^([01]?\d{1,2}|2[0-4]\d|25[0-5])\.([01]?\d{1,2}|2[0-4]\d|25[0-5])\.([01]?\d{1,2}|2[0-4]\d|25[0-5])\.([01]?\d{1,2}|2[0-4]\d|25[0-5])$/;
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