学习正则表达式 - 电话号码-觅稀奇MeXiQi.COM

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：

xxxxxxx8277019
xxx.xxxx827.7019
xxx-xxxx827-7019
xxxxxxxxxx7078277019
xxxxxx.xxxx707827.7019
xxxxxx-xxxx707827-7019
xxx.xxxxxxx707.8277019
xxx.xxx.xxxx707.827.7019
xxx.xxx-xxxx707.827-7019
xxx-xxxxxxx707-8277019
xxx-xxx.xxxx707-827.7019
xxx-xxx-xxxx707-827-7019
(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

createtablet_regexp(atext);

insertintot_regexpvalues

--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*fromt_regexp

wherearegexp'^(\$\\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（stringliteral）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（characterclass）。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（charactershorthand）。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�7p19

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（capturinggroup）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：