regular expression/regex(s)（1）

    事实上,正则表达式很早就接触了,曾经在快捷半导体实习时,就是用过perl的正则表达式功能.其实perl的强大之处在于其对文本的处理上,而处理文本或者串的功臣当然就是其正则表达式.
    正则表达式是一种容易使用但是书写和分析比较困难的一种技术,特别是能写出精炼,准确又清晰的正则表达式更是难能可贵.通常情况往往将其写的冗长而又缺乏实用性.所以每每想到用正则表达式都头疼,心里面没底,上网搜索一些资料再写也不一定保证就写的正确,就不要说起精炼了.
    正则表达式用的地方很多,(平常对于字符串的处理),特别是搜索引擎公司(百度或者谷歌)在对网页进行抓取得时候更加显其功能强大.而且几乎所有的编程语言都不同程度的提供了正则表达式功能的实现,当然以perl/php脚本语言的实现更为简练.
    下面用一个日期规格的例子作为说明来显示正则表达式的强大.

1.验证日期的正则表达式加入闰年的判断以及思路分析

进入正题之前，我们需要澄清两个概念：

一，什么是合法的日期范围？对于不同的应用场景，这个问题有不同的解释。这里采纳MSDN中的约定：

    DateTime 值类型表示值范围在公元（基督纪元）0001 年 1 月 1 日午夜 12:00:00 到公元 (C.E.) 9999 年 12 月 31 日晚上 11:59:59 之间的日期和时间。

二，关于闰年的阐释。人民教育出版社小学数学室的解释浅明易懂（mediawiki等都没说明为什么整百年份必须是400的倍数时才是闰年）：

    关于公历闰年是这样规定的：地球绕太阳公转一周叫做一回归年，一回归年长365日5时48分 46秒。因此，公历规定有平年和闰年，平年一年有365日，比回归年短0.2422日，四年共短0.9688日，故每四年增加一日，这一年有366日，就是闰年。但四年增加一日比四个回归年又多0.0312日,400年后将多3.12日,故在400年中少设3个闰年,也就是在400年中只设97个闰年，这样公历年的平均长度与回归年就相近似了。由此规定：年份是整百数的必须是400的倍数才是闰年，例如1900年、2100年就不是闰年。

清楚了以上两个概念，我们进入正题。
首先需要验证年份，显然，年份范围为 0001 - 9999，匹配YYYY的正则表达式为：

    [0-9]{3}[1-9]|[0-9]{2}[1-9][0-9]{1}|[0-9]{1}[1-9][0-9]{2}|[1-9][0-9]{3}

其中 [0-9] 也可以表示为 \d，但 \d 不如 [0-9] 直观，因此下面我将一直采用 [0-9]
其实上面的表达式更可以准确表示为:
  [0-9]{3}[1-9]|[0-9]{2}[1-9]0|[0-9][1-9]00|[1-9]000

用正则表达式验证日期的难点有二：一是大小月份的天数不同，二是闰年的考虑。
对于第一个难点，我们首先不考虑闰年，假设2月份都是28天，这样，月份和日期可以分成三种情况：

1、月份为 1, 3, 5, 7, 8, 10, 12，天数范围为 01 - 31，匹配MM-DD的正则表达式为：

    (0[13578]|1[02])-(0[1-9]|[12][0-9]|3[01])

2、月份为 4, 6, 9, 11，天数范围为 01-30，匹配MM-DD的正则表达式为：

    (0[469]|11)-(0[1-9]|[12][0-9]|30)

3、月份为 2，考虑平年情况，匹配MM-DD的正则表达式为：

    02-(0[1-9]|[1][0-9]|2[0-8])

根据上面的成果，我们可以得到匹配平年日期格式为YYYY-MM-DD的正则表达式：

([0-9]{3}[1-9]|[0-9]{2}[1-9][0-9]{1}|[0-9]{1}[1-9][0-9]{2}|[1-9][0-9]{3})-(((0[13578]|1[02])-(0[1-9]|[12][0-9]|3[01]))|((0[469]|11)-(0[1-9]|[12][0-9]|30))|(02-(0[1-9]|[1][0-9]|2[0-8])))

接着我们来解决第二个难点：闰年的考虑。根据闰年的定义，我们可以将闰年分为两类：

1、能被4整除但不能被100整除的年份。寻找后两位的变化规律，可以很快得到下面的正则匹配：

    ([0-9]{2})(0[48]|[2468][048]|[13579][26])

2、能被400整除的年份。能被400整除的数肯定能被100整除，因此后两位肯定是00，我们只要保证前两位能被4整除即可，相应的正则表达式为：

    (0[48]|[2468][048]|[3579][26])00

2.最强验证日期的正则表达式,添加了闰年的验证

这个日期正则表达式支持
YYYY-MM-DD
YYYY/MM/DD
YYYY_MM_DD
YYYY.MM.DD的形式

match : 2008-2-29 2008/02/29

not match : 2008-2-30   2007-2-29

闰年的2月份有29天，因此匹配闰年日期格式为YYYY-MM-DD的正则表达式为：

(([0-9]{2})(0[48]|[2468][048]|[13579][26])|((0[48]|[2468][048]|[3579][26])00))-02-29

最后，将平年和闰年的日期验证表达式合并，我们得到最终的验证日期格式为YYYY-MM-DD的正则表达式为：

(([0-9]{3}[1-9]|[0-9]{2}[1-9][0-9]{1}|[0-9]{1}[1-9][0-9]{2}|[1-9][0-9]{3})-(((0[13578]|1[02])-(0[1-9]|[12][0-9]|3[01]))|((0[469]|11)-(0[1-9]|[12][0-9]|30))|(02-(0[1-9]|[1][0-9]|2[0-8]))))|((([0-9]{2})(0[48]|[2468][048]|[13579][26])|((0[48]|[2468][048]|[3579][26])00))-02-29)

DD/MM/YYYY格式的正则验证表达式为：

(((0[1-9]|[12][0-9]|3[01])/((0[13578]|1[02]))|((0[1-9]|[12][0-9]|30)/(0[469]|11))|(0[1-9]|[1][0-9]|2[0-8])/(02))/([0-9]{3}[1-9]|[0-9]{2}[1-9][0-9]{1}|[0-9]{1}[1-9][0-9]{2}|[1-9][0-9]{3}))|(29/02/(([0-9]{2})(0[48]|[2468][048]|[13579][26])|((0[48]|[2468][048]|[3579][26])00)))

评论

1 楼 ariestiger 2009-12-16  

密密麻麻好大一坨啊，我觉得你应该把那种“|”颜色换一下，或者把括号逐层的也换一换，这样层次更清晰些，虽然盯着这玩意看几分钟能知道表达的是什么，但做为说明，太不明了啦。