本系列文章經補充和完善，已修訂整理成書《Java程式設計的邏輯》（馬俊昌著），由機械工業出版社華章分社出版，於2018年1月上市熱銷，讀者好評如潮！各大網店和書店有售，歡迎購買：京東自營連結
88節介紹了正規表示式的語法，上節介紹了正規表示式相關的Java API，本節來討論和分析一些常用的正規表示式，具體包括：
- 郵編
- 電話號碼，包括手機號碼和固定電話號碼
- 日期和時間
- 身份證
- IP地址
- URL
- Email地址
- 中文字元
對於同一個目的，正規表示式往往有多種寫法，大多沒有唯一正確的寫法，本節的寫法主要是示例。此外，寫一個正規表示式，匹配希望匹配的內容往往比較容易，但讓它不匹配不希望匹配的內容，則往往比較困難，也就是說，保證精確性經常是很難的，不過，很多時候，我們也沒有必要寫完全精確的表示式，需要寫到多精確與你需要處理的文字和需求有關，另外，正規表示式難以表達的，可以通過寫程式進一步處理。這麼描述可能比較抽象，下面，我們會具體討論分析。
郵編
郵編比較簡單，就是6位數字，所以表示式可以為：
[0-9]{6}
複製程式碼這個表示式可以用於驗證輸入是否為郵編，比如：
public static Pattern ZIP_CODE_PATTERN = Pattern.compile(
"[0-9]{6}");
public static boolean isZipCode(String text) {
return ZIP_CODE_PATTERN.matcher(text).matches();
}
複製程式碼但如果用於查詢，這個表示式是不夠的，看個例子：
public static void findZipCode(String text) {
Matcher matcher = ZIP_CODE_PATTERN.matcher(text);
while (matcher.find()) {
System.out.println(matcher.group());
}
}
public static void main(String[] args) {
findZipCode("郵編 100013，電話18612345678");
}
複製程式碼文字中只有一個郵編，但輸出卻為：
100013
186123
複製程式碼這怎麼辦呢？可以使用88節介紹的環視邊界匹配，對於左邊界，它前面的字元不能是數字，環視表示式為：
(?<![0-9])
複製程式碼對於右邊界，它右邊的字元不能是數字，環視表示式為：
(?![0-9])
複製程式碼所以，完整的表示式可以為：
(?<![0-9])[0-9]{6}(?![0-9])
複製程式碼使用這個表示式，也就是說，將ZIP_CODE_PATTERN改為：
public static Pattern ZIP_CODE_PATTERN = Pattern.compile(
"(?<![0-9])" // 左邊不能有數字
+ "[0-9]{6}"
+ "(?![0-9])"); // 右邊不能有數字
複製程式碼就可以輸出期望的結果了。
非0開頭的6位數字就一定是郵編嗎？答案當然是否定的，所以，這個表示式也不是精確的，如果需要更精確的驗證，可以寫程式進一步檢查。
手機號碼
中國的手機號碼都是11位數字，所以，最簡單的表示式就是：
[0-9]{11}
複製程式碼不過，目前手機號第1位都是1，第2位取值為3、4、5、7、8之一，所以，更精確的表示式是：
1[34578|][0-9]{9}
複製程式碼為方便表達手機號，手機號中間經常有連字元(即減號'-')，形如：
186-1234-5678
複製程式碼為表達這種可選的連字元，表示式可以改為：
1[34578][0-9]-?[0-9]{4}-?[0-9]{4}
複製程式碼在手機號前面，可能還有0、+86或0086，和手機號碼之間可能還有一個空格，比如：
018612345678
+86 18612345678
0086 18612345678
複製程式碼為表達這種形式，可以在號碼前加如下表示式：
((0|\+86|0086)\s?)?
複製程式碼和郵編類似，如果為了抽取，也要在左右加環視邊界匹配，左右不能是數字。所以，完整的表示式為：
(?<![0-9])((0|\+86|0086)\s?)?1[34578][0-9]-?[0-9]{4}-?[0-9]{4}(?![0-9])
複製程式碼用Java表示的程式碼為：
public static Pattern MOBILE_PHONE_PATTERN = Pattern.compile(
"(?<![0-9])" // 左邊不能有數字
+ "((0|\\+86|0086)\\s?)?" // 0 +86 0086
+ "1[34578][0-9]-?[0-9]{4}-?[0-9]{4}" // 186-1234-5678
+ "(?![0-9])"); // 右邊不能有數字
複製程式碼固定電話
不考慮分機，中國的固定電話一般由兩部分組成：區號和市內號碼，區號是3到4位，市內號碼是7到8位。區號以0開頭，表示式可以為：
0[0-9]{2,3}
複製程式碼市內號碼錶達式為：
[0-9]{7,8}
複製程式碼區號可能用括號包含，區號與市內號碼之間可能有連字元，如以下形式：
010-62265678
(010)62265678
複製程式碼整個區號是可選的，所以整個表示式為：
(\(?0[0-9]{2,3}\)?-?)?[0-9]{7,8}
複製程式碼再加上左右邊界環視，完整的Java表示為：
public static Pattern FIXED_PHONE_PATTERN = Pattern.compile(
"(?<![0-9])" // 左邊不能有數字
+ "(\\(?0[0-9]{2,3}\\)?-?)?" // 區號
+ "[0-9]{7,8}"// 市內號碼
+ "(?![0-9])"); // 右邊不能有數字
複製程式碼日期
日期的表示方式有很多種，我們只看一種，形如：
2017-06-21
2016-11-1
複製程式碼年月日之間用連字元分隔，月和日可能只有一位。
最簡單的正規表示式可以為：
\d{4}-\d{1,2}-\d{1,2}
複製程式碼年一般沒有限制，但月只能取值1到12，日只能取值1到31，怎麼表達這種限制呢？
對於月，有兩種情況，1月到9月，表示式可以為：
0?[1-9]
複製程式碼10月到12月，表示式可以為：
1[0-2]
複製程式碼所以，月的表示式為：
(0?[1-9]|1[0-2])
複製程式碼對於日，有三種情況：
- 1到9號，表示式為：
0?[1-9] - 10號到29號，表示式為：
[1-2][0-9] - 30號和31號，表示式為：
3[01]
所以，整個表示式為：
\d{4}-(0?[1-9]|1[0-2])-(0?[1-9]|[1-2][0-9]|3[01])
複製程式碼加上左右邊界環視，完整的Java表示為：
public static Pattern DATE_PATTERN = Pattern.compile(
"(?<![0-9])" // 左邊不能有數字
+ "\\d{4}-" // 年
+ "(0?[1-9]|1[0-2])-" // 月
+ "(0?[1-9]|[1-2][0-9]|3[01])"// 日
+ "(?![0-9])"); // 右邊不能有數字
複製程式碼時間
考慮24小時制，只考慮小時和分鐘，小時和分鐘都用固定兩位表示，格式如下：
10:57
複製程式碼基本表示式為：
\d{2}:\d{2}
複製程式碼小時取值範圍為0到23，更精確的表示式為：
([0-1][0-9]|2[0-3])
複製程式碼分鐘取值範圍為0到59，更精確的表示式為：
[0-5][0-9]
複製程式碼所以，整個表示式為：
([0-1][0-9]|2[0-3]):[0-5][0-9]
複製程式碼加上左右邊界環視，完整的Java表示為：
public static Pattern TIME_PATTERN = Pattern.compile(
"(?<![0-9])" // 左邊不能有數字
+ "([0-1][0-9]|2[0-3])" // 小時
+ ":" + "[0-5][0-9]"// 分鐘
+ "(?![0-9])"); // 右邊不能有數字
複製程式碼身份證
身份證有一代和二代之分，一代是15位數字，二代是18位，都不能以0開頭，對於二代身份證，最後一位可能為x或X，其他是數字。
一代身份證表示式可以為：
[1-9][0-9]{14}
複製程式碼二代身份證可以為：
[1-9][0-9]{16}[0-9xX]
複製程式碼這兩個表示式的前面部分是相同的，二代身份證多瞭如下內容：
[0-9]{2}[0-9xX]
複製程式碼所以，它們可以合併為一個表示式，即：
[1-9][0-9]{14}([0-9]{2}[0-9xX])?
複製程式碼加上左右邊界環視，完整的Java表示為：
public static Pattern ID_CARD_PATTERN = Pattern.compile(
"(?<![0-9])" // 左邊不能有數字
+ "[1-9][0-9]{14}" // 一代身份證
+ "([0-9]{2}[0-9xX])?" // 二代身份證多出的部分
+ "(?![0-9])"); // 右邊不能有數字
複製程式碼符合這個要求的就一定是身份證號碼嗎？當然不是，身份證還有一些更為具體的要求，本文就不探討了。
IP地址
IP地址格式如下：
192.168.3.5
複製程式碼點號分隔，4段數字，每個數字範圍是0到255。最簡單的表示式為：
(\d{1,3}\.){3}\d{1-3}
複製程式碼\d{1,3}太簡單，沒有滿足0到255之間的約束，要滿足這個約束，就要分多種情況考慮。
值是1位數，前面可能有0到2個0，表示式為：
0{0,2}[0-9]
複製程式碼值是兩位數，前面可能有一個0，表示式為：
0?[0-9]{2}
複製程式碼值是三位數，又要分為多種情況。以1開頭的，後兩位沒有限制，表示式為：
1[0-9]{2}
複製程式碼以2開頭的，如果第二位是0到4，則第三位沒有限制，表示式為：
2[0-4][0-9]
複製程式碼如果第二位是5，則第三位取值為0到5，表示式為：
25[0-5]
複製程式碼所以，\d{1,3}更為精確的表示為：
(0{0,2}[0-9]|0?[0-9]{2}|1[0-9]{2}|2[0-4][0-9]|25[0-5])
複製程式碼所以，加上左右邊界環視，IP地址的完整Java表示為：
public static Pattern IP_PATTERN = Pattern.compile(
"(?<![0-9])" // 左邊不能有數字
+ "((0{0,2}[0-9]|0?[0-9]{2}|1[0-9]{2}|2[0-4][0-9]|25[0-5])\\.){3}"
+ "(0{0,2}[0-9]|0?[0-9]{2}|1[0-9]{2}|2[0-4][0-9]|25[0-5])"
+ "(?![0-9])"); // 右邊不能有數字
複製程式碼URL
URL的格式比較複雜，其規範定義在tools.ietf.org/html/rfc173…，我們只考慮http協議，其通用格式是：
http://<host>:<port>/<path>?<searchpart>
複製程式碼開始是http://，接著是主機名，主機名之後是可選的埠，再之後是可選的路徑，路徑後是可選的查詢字串，以?開頭。
一些例子：
http://www.example.com
http://www.example.com/ab/c/def.html
http://www.example.com:8080/ab/c/def?q1=abc&q2=def
複製程式碼主機名中的字元可以是字母、數字、減號和點號，所以表示式可以為：
[-0-9a-zA-Z.]+
複製程式碼埠部分可以寫為：
(:\d+)?
複製程式碼路徑由多個子路徑組成，每個子路徑以/開頭，後跟零個或多個非/的字元，簡單的說，表示式可以為：
(/[^/]*)*
複製程式碼更精確的說，把所有允許的字元列出來，表示式為：
(/[-\w$.+!*'(),%;:@&=]*)*
複製程式碼對於查詢字串，簡單的說，由非空字串組成，表示式為：
\?[\S]*
複製程式碼更精確的，把所有允許的字元列出來，表示式為：
\?[-\w$.+!*'(),%;:@&=]*
複製程式碼路徑和查詢字串是可選的，且查詢字串只有在至少存在一個路徑的情況下才能出現，其模式為：
(/<sub_path>(/<sub_path>)*(\?<search>)?)?
複製程式碼所以，路徑和查詢部分的簡單表示式為：
(/[^/]*(/[^/]*)*(\?[\S]*)?)?
複製程式碼精確表示式為：
(/[-\w$.+!*'(),%;:@&=]*(/[-\w$.+!*'(),%;:@&=]*)*(\?[-\w$.+!*'(),%;:@&=]*)?)?
複製程式碼HTTP的完整Java表示式為：
public static Pattern HTTP_PATTERN = Pattern.compile(
"http://" + "[-0-9a-zA-Z.]+" // 主機名
+ "(:\\d+)?" // 埠
+ "(" // 可選的路徑和查詢 - 開始
+ "/[-\\w$.+!*'(),%;:@&=]*" // 第一層路徑
+ "(/[-\\w$.+!*'(),%;:@&=]*)*" // 可選的其他層路徑
+ "(\\?[-\\w$.+!*'(),%;:@&=]*)?" // 可選的查詢字串
+ ")?"); // 可選的路徑和查詢 - 結束
複製程式碼Email地址
完整的Email規範比較複雜，定義在tools.ietf.org/html/rfc822，我們先看一些實際中常用的。
比如新浪郵箱，它的格式如：
abc@sina.com
複製程式碼對於使用者名稱部分，它的要求是：4-16個字元，可使用英文小寫、數字、下劃線，但下劃線不能在首尾。
怎麼驗證使用者名稱呢？可以為：
[a-z0-9][a-z0-9_]{2,14}[a-z0-9]
複製程式碼新浪郵箱的完整Java表示式為：
public static Pattern SINA_EMAIL_PATTERN = Pattern.compile(
"[a-z0-9]"
+ "[a-z0-9_]{2,14}"
+ "[a-z0-9]@sina\\.com");
複製程式碼我們再來看QQ郵箱，它對於使用者名稱的要求為：
- 3-18字元，可使用英文、數字、減號、點或下劃線
- 必須以英文字母開頭，必須以英文字母或數字結尾
- 點、減號、下劃線不能連續出現兩次或兩次以上
如果只有第一條，可以為：
[-0-9a-zA-Z._]{3,18}
複製程式碼為滿足第二條，可以改為：
[a-zA-Z][-0-9a-zA-Z._]{1,16}[a-zA-Z0-9]
複製程式碼怎麼滿足第三條呢？可以使用邊界環視，左邊加如下表示式：
(?![-0-9a-zA-Z._]*(--|\.\.|__))
複製程式碼完整表示式可以為：
(?![-0-9a-zA-Z._]*(--|\.\.|__))[a-zA-Z][-0-9a-zA-Z._]{1,16}[a-zA-Z0-9]
複製程式碼QQ郵箱的完整Java表示式為：
public static Pattern QQ_EMAIL_PATTERN = Pattern.compile(
"(?![-0-9a-zA-Z._]*(--|\\.\\.|__))" // 點、減號、下劃線不能連續出現兩次或兩次以上
+ "[a-zA-Z]" // 必須以英文字母開頭
+ "[-0-9a-zA-Z._]{1,16}" // 3-18位 英文、數字、減號、點、下劃線組成
+ "[a-zA-Z0-9]@qq\\.com"); // 由英文字母、數字結尾
複製程式碼以上都是特定郵箱服務商的要求，一般的郵箱是什麼規則呢？一般而言，以@作為分隔符，前面是使用者名稱，後面是域名。
使用者名稱的一般規則是：
- 由英文字母、數字、下劃線、減號、點號組成
- 至少1位，不超過64位
- 開頭不能是減號、點號和下劃線
比如：
h_llo-abc.good@example.com
複製程式碼這個表示式可以為：
[0-9a-zA-Z][-._0-9a-zA-Z]{0,63}
複製程式碼域名部分以點號分隔為多個部分，至少有兩個部分。最後一部分是頂級域名，由2到3個英文字母組成，表示式可以為：
[a-zA-Z]{2,3}
複製程式碼對於域名的其他點號分隔的部分，每個部分一般由字母、數字、減號組成，但減號不能在開頭，長度不能超過63個字元，表示式可以為：
[0-9a-zA-Z][-0-9a-zA-Z]{0,62}
複製程式碼所以，域名部分的表示式為：
([0-9a-zA-Z][-0-9a-zA-Z]{0,62}\.)+[a-zA-Z]{2,3}
複製程式碼完整的Java表示為：
public static Pattern GENERAL_EMAIL_PATTERN = Pattern.compile(
"[0-9a-zA-Z][-._0-9a-zA-Z]{0,63}" // 使用者名稱
+ "@"
+ "([0-9a-zA-Z][-0-9a-zA-Z]{0,62}\\.)+" // 域名部分
+ "[a-zA-Z]{2,3}"); // 頂級域名
複製程式碼中文字元
中文字元的Unicode編號一般位於\u4e00和\u9fff之間，所以匹配任意一箇中文字元的表示式可以為：
[\u4e00-\u9fff]
複製程式碼Java表示式為：
public static Pattern CHINESE_PATTERN = Pattern.compile(
"[\\u4e00-\\u9fff]");
複製程式碼小結
本節詳細討論和分析了一些常見的正規表示式，在實際開發中，有些可以直接使用，有些需要根據具體文字和需求進行調整。
至此，關於正規表示式，我們就介紹完了，相信你對正規表示式一定有了一個更為清晰透徹的理解！
在之前的章節中，我們都是基於Java 7討論的，從下節開始，我們探討Java 8的一些特性，尤其是函數語言程式設計。
(與其他章節一樣，本節所有程式碼位於 github.com/swiftma/pro…，位於包shuo.laoma.java8.c91下)
未完待續，檢視最新文章，敬請關注微信公眾號“老馬說程式設計”(掃描下方二維碼)，從入門到高階，深入淺出，老馬和你一起探索Java程式設計及計算機技術的本質。用心原創，保留所有版權。
