( |^|>)(((((((\+|00)(31|32)( )?(\(0\))?)|0)([0-9]{2})(-)?( )?)?)([0-9]{7}))|((((((\+|00)(31|32)( )?(\(0\))?)|0)([0-9]{3})(-)?( )?)?)([0-9]{6}))|((((((\+|00)(31|32)( )?(\(0\))?)|0)([0-9]{1})(-)?( )?)?)([0-9]{8})))( |$|<)
它格式化荷兰和比利时电话号码(我只想要那些31和32作为国家代码).@H_502_4@
它不是很有趣的破译,但你可以看到它也有很多重复.但现在它确实非常准确地处理它@H_502_4@
所有以下欧洲格式的电话号码都被接受@H_502_4@
0031201234567 0031223234567 0031612345678 +31(0)20-1234567 +31(0)223-234567 +31(0)6-12345678 020-1234567 0223-234567 06-12345678 0201234567 0223234567 0612345678
06-1234567 (mobile phone number in the Netherlands should have 8 numbers after 06 ) 0223-1234567 (area code with home phone)
相反,这是好的.@H_502_4@
020-1234567 (area code with 3 numbers has 7 numbers for the phone as opposed to a 4 number area code which can only have 6 numbers for phone number)
正如你可以看到的那样,这个’ – ‘字符使它有点困难,但我需要它在那里,因为它是人们通常使用的格式的一部分,我想要能够解析它们.@H_502_4@
现在是我的问题…您是否看到一种方法来简化正则表达式(如果您看到错误,您甚至可以改进它),同时遵守相同的规则?@H_502_4@
你可以在regextester.com测试@H_502_4@
(‘(| ^ |>)’是检查一个单词的开头是否有可能在新行或’>’之前,我在HTML页面中搜索电话号码.)@H_502_4@
第二个观察:表达中有许多很多的捕捉括号(42)如果我算得上正确;当然42是“生命答案,宇宙和一切” – 见道格拉斯·亚当斯(Douglas Adams) Hitchiker’s Galaxy of the Galaxy“如果您需要解释的话).@H_502_4@
比尔的蜥蜴注意到你使用'( – )?()?’几次.与“ – ”相比,没有明显的优势?或者可能是'[ – ]?’,除非你真的打算分别捕获实际的标点符号(但是有这么多的捕捉括号),使用’$n’项目将是困难的).@H_502_4@
所以,让我们来试一试你的单行:@H_502_4@
( |^|>) ( ((((((\+|00)(31|32)( )?(\(0\))?)|0)([0-9]{2})(-)?( )?)?)([0-9]{7})) | ((((((\+|00)(31|32)( )?(\(0\))?)|0)([0-9]{3})(-)?( )?)?)([0-9]{6})) | ((((((\+|00)(31|32)( )?(\(0\))?)|0)([0-9]{1})(-)?( )?)?)([0-9]{8})) ) ( |$|<)
OK – 现在我们可以看到正则表达式的正则结构.@H_502_4@
这里有更多的分析可能.是的,正则表达式可以有很大的改进.第一个明显的一个是提取国际前缀部分,并应用一次(可选地,或要求前导零),然后应用国家规则.@H_502_4@
( |^|>) ( (((\+|00)(31|32)( )?(\(0\))?)|0) (((([0-9]{2})(-)?( )?)?)([0-9]{7})) | (((([0-9]{3})(-)?( )?)?)([0-9]{6})) | (((([0-9]{1})(-)?( )?)?)([0-9]{8})) ) ( |$|<)
然后我们可以简化如前所述的标点符号,并删除一些合理的冗余圆括号,并改进国家代码识别器:@H_502_4@
( |^|>) ( (((\+|00)3[12] ?(\(0\))?)|0) (((([0-9]{2})-? ?)?)[0-9]{7}) | (((([0-9]{3})-? ?)?)[0-9]{6}) | (((([0-9]{1})-? ?)?)[0-9]{8}) ) ( |$|<)
我们可以观察到,正则表达式并没有强制执行手机代码规则(所以它并不坚持’06’后面是8位,例如).它也似乎允许1,2或3位数的“交换”代码是可选的,即使使用国际前缀 – 可能不是你所想的,而修复它会删除一些更多的括号.之后,我们可以删除更多的括号,导致:@H_502_4@
( |^|>) ( (((\+|00)3[12] ?(\(0\))?)|0) # International prefix or leading zero ([0-9]{2}-? ?[0-9]{7}) | # xx-xxxxxxx ([0-9]{3}-? ?[0-9]{6}) | # xxx-xxxxxx ([0-9]{1}-? ?[0-9]{8}) # x-xxxxxxxx ) ( |$|<)
你可以从这里进一步优化,我希望.@H_502_4@