Я недавно отправил ответ на этот вопрос о почтовых индексах Великобритании для языка R . Я обнаружил, что шаблон регулярных выражений правительства Великобритании неверен и не может правильно проверить некоторые почтовые индексы. К сожалению, многие ответы здесь основаны на этой неправильной схеме.
Я кратко опишу некоторые из этих проблем ниже и приведу исправленное регулярное выражение, которое на самом деле работает.
Примечание
Мой ответ (и регулярные выражения в целом):
- проверяет только почтовый индекс форматы .
- Не гарантирует, что почтовый индекс законно существует .
- Для этого используйте соответствующий API! См. ответ Бена для получения дополнительной информации.
Если вас не волнует плохое регулярное выражение и вы просто хотите пропустить ответ, прокрутите вниз до раздела Ответ .
Плохое регулярное выражение
Регулярные выражения в этом разделе не должны использоваться.
Это ошибочное регулярное выражение, которое правительство Великобритании предоставило разработчикам (не знаю, как долго будет действовать эта ссылка, но вы можете увидеть это в их документации по массовой передаче данных ):
^([Gg][Ii][Rr] 0[Aa]{2})|((([A-Za-z][0-9]{1,2})|(([A-Za-z][A-Ha-hJ-Yj-y][0-9]{1,2})|(([AZa-z][0-9][A-Za-z])|([A-Za-z][A-Ha-hJ-Yj-y][0-9]?[A-Za-z]))))[0-9][A-Za-z]{2})$
Проблемы
Проблема 1 - Копировать / Вставить
Смотрите здесь регулярное выражение .
Как это делают многие разработчики, они копируют / вставляют код (особенно регулярные выражения) и вставляют их, ожидая, что они будут работать. Хотя это хорошо в теории, в данном конкретном случае это терпит неудачу, потому что копирование / вставка из этого документа фактически превращает один из символов (пробел) в символ новой строки, как показано ниже:
^([Gg][Ii][Rr] 0[Aa]{2})|((([A-Za-z][0-9]{1,2})|(([A-Za-z][A-Ha-hJ-Yj-y][0-9]{1,2})|(([AZa-z][0-9][A-Za-z])|([A-Za-z][A-Ha-hJ-Yj-y][0-9]?[A-Za-z]))))
[0-9][A-Za-z]{2})$
Первое, что сделает большинство разработчиков, это просто удалите новую строку, не задумываясь. Теперь регулярное выражение не будет сопоставлять почтовые индексы с пробелами в них (кроме почтового индекса GIR 0AA).
Чтобы исправить эту проблему, символ новой строки должен быть заменен символом пробела:
^([Gg][Ii][Rr] 0[Aa]{2})|((([A-Za-z][0-9]{1,2})|(([A-Za-z][A-Ha-hJ-Yj-y][0-9]{1,2})|(([AZa-z][0-9][A-Za-z])|([A-Za-z][A-Ha-hJ-Yj-y][0-9]?[A-Za-z])))) [0-9][A-Za-z]{2})$
^
Задача 2 - Границы
Смотрите здесь регулярное выражение .
^([Gg][Ii][Rr] 0[Aa]{2})|((([A-Za-z][0-9]{1,2})|(([A-Za-z][A-Ha-hJ-Yj-y][0-9]{1,2})|(([AZa-z][0-9][A-Za-z])|([A-Za-z][A-Ha-hJ-Yj-y][0-9]?[A-Za-z])))) [0-9][A-Za-z]{2})$
^^ ^ ^ ^^
Регулярное выражение почтового индекса неправильно привязывает регулярное выражение. Любой, кто использует это регулярное выражение для проверки почтовых индексов, может быть удивлен, если получит значение типа fooA11 1AA. Это потому, что они привязали начало первого и конец второго (независимо друг от друга), как указано в регулярном выражении выше.
Это означает, что ^ (устанавливает положение в начале строки) работает только с первой опцией ([Gg][Ii][Rr] 0[Aa]{2}), поэтому вторая опция будет проверять любые строки, которые end в почтовом индексе ( независимо от того, что происходит раньше).
Аналогично, первая опция не привязана к концу строки $, поэтому GIR 0AAfoo также принимается.
^([Gg][Ii][Rr] 0[Aa]{2})|((([A-Za-z][0-9]{1,2})|(([A-Za-z][A-Ha-hJ-Yj-y][0-9]{1,2})|(([AZa-z][0-9][A-Za-z])|([A-Za-z][A-Ha-hJ-Yj-y][0-9]?[A-Za-z]))))[0-9][A-Za-z]{2})$
Чтобы решить эту проблему, оба параметра должны быть заключены в другую группу (или группу без захвата), а вокруг них должны быть размещены якоря:
^(([Gg][Ii][Rr] 0[Aa]{2})|((([A-Za-z][0-9]{1,2})|(([A-Za-z][A-Ha-hJ-Yj-y][0-9]{1,2})|(([AZa-z][0-9][A-Za-z])|([A-Za-z][A-Ha-hJ-Yj-y][0-9]?[A-Za-z])))) [0-9][A-Za-z]{2}))$
^^ ^^
Проблема 3 - Неправильный набор символов
Смотрите здесь регулярное выражение .
^([Gg][Ii][Rr] 0[Aa]{2})|((([A-Za-z][0-9]{1,2})|(([A-Za-z][A-Ha-hJ-Yj-y][0-9]{1,2})|(([AZa-z][0-9][A-Za-z])|([A-Za-z][A-Ha-hJ-Yj-y][0-9]?[A-Za-z])))) [0-9][A-Za-z]{2})$
^^
Регулярное выражение здесь отсутствует -, чтобы указать диапазон символов. Как есть, если почтовый индекс имеет формат ANA NAA (где A представляет букву, а N представляет число) и начинается с чего-то, кроме A или Z, произойдет сбой.
Это означает, что он будет соответствовать A1A 1AA и Z1A 1AA, но не B1A 1AA.
Чтобы исправить эту проблему, символ - должен быть помещен между A и Z в соответствующем наборе символов:
^([Gg][Ii][Rr] 0[Aa]{2})|((([A-Za-z][0-9]{1,2})|(([A-Za-z][A-Ha-hJ-Yj-y][0-9]{1,2})|(([A-Za-z][0-9][A-Za-z])|([A-Za-z][A-Ha-hJ-Yj-y][0-9]?[A-Za-z])))) [0-9][A-Za-z]{2})$
^
Проблема 4 - Неверный необязательный набор символов
Смотрите здесь регулярное выражение .
^([Gg][Ii][Rr] 0[Aa]{2})|((([A-Za-z][0-9]{1,2})|(([A-Za-z][A-Ha-hJ-Yj-y][0-9]{1,2})|(([AZa-z][0-9][A-Za-z])|([A-Za-z][A-Ha-hJ-Yj-y][0-9]?[A-Za-z])))) [0-9][A-Za-z]{2})$
^
Клянусь, они даже не проверяли эту вещь, прежде чем публиковать ее в Интернете. Они сделали неправильный набор символов необязательным. Они сделали вариант [0-9] в четвертом подопции варианта 2 (группа 9). Это позволяет регулярному выражению соответствовать неправильно отформатированным почтовым индексам, таким как AAA 1AA.
Чтобы исправить эту проблему, вместо этого сделайте необязательным следующий класс символов (и впоследствии сделайте так, чтобы набор [0-9] совпадал ровно один раз):
^([Gg][Ii][Rr] 0[Aa]{2})|((([A-Za-z][0-9]{1,2})|(([A-Za-z][A-Ha-hJ-Yj-y][0-9]{1,2})|(([AZa-z][0-9][A-Za-z])|([A-Za-z][A-Ha-hJ-Yj-y][0-9][A-Za-z]?)))) [0-9][A-Za-z]{2})$
^
Задача 5 - Производительность
Производительность на этом регулярном выражении крайне плохая. Во-первых, они поместили наименее вероятный вариант шаблона, чтобы он совпадал с GIR 0AA в начале. Сколько пользователей будет иметь этот почтовый индекс по сравнению с любым другим почтовым индексом; наверное никогда? Это означает, что каждый раз, когда используется регулярное выражение, он должен сначала исчерпать эту опцию, прежде чем перейти к следующей. Чтобы увидеть, как это влияет на производительность, проверьте количество шагов, которые исходное регулярное выражение предприняло (35) по отношению к тому же регулярному выражению после переключения параметров (22).
Вторая проблема с производительностью связана с тем, как структурировано все регулярное выражение. Там нет смысла возвращаться к каждому варианту, если один не удастся. Способ структурирования текущего регулярного выражения может быть значительно упрощен. Я исправляю это в разделе Ответ .
Задача 6 - Пробелы
Смотрите здесь регулярное выражение
Это, по сути, не может считаться проблемой 1164 *, но это вызывает беспокойство у большинства разработчиков. Пробелы в регулярном выражении не являются обязательными, это означает, что пользователи, вводящие свои почтовые индексы, должны поместить пробел в почтовый индекс. Это легко исправить, просто добавив ? после пробелов, чтобы сделать их необязательными. См. Ответ раздел для исправления.
Ответ
1. Исправление регулярного выражения правительства Великобритании
Исправление всех проблем, описанных в разделе Задачи , и упрощение шаблона приводит к следующему, более короткому и более лаконичному шаблону. Мы также можем удалить большинство групп, так как мы проверяем почтовый индекс в целом (не отдельные части):
Смотрите здесь регулярное выражение
^([A-Za-z][A-Ha-hJ-Yj-y]?[0-9][A-Za-z0-9]? ?[0-9][A-Za-z]{2}|[Gg][Ii][Rr] ?0[Aa]{2})$
Это может быть дополнительно сокращено путем удаления всех диапазонов из одного из регистров (верхнего или нижнего регистра) и использования флага без учета регистра. Примечание : Некоторые языки не имеют такового, поэтому используйте более длинный выше. Каждый язык реализует флаг нечувствительности к регистру.
Смотрите здесь регулярное выражение .
^([A-Z][A-HJ-Y]?[0-9][A-Z0-9]? ?[0-9][A-Z]{2}|GIR ?0A{2})$
Короче снова заменив [0-9] на \d (если ваш движок регулярных выражений поддерживает это):
Смотрите здесь регулярное выражение .
^([A-Z][A-HJ-Y]?\d[A-Z\d]? ?\d[A-Z]{2}|GIR ?0A{2})$
2. Упрощенные паттерны
Без указания конкретных буквенных символов можно использовать следующее (имейте в виду, что упрощения из 1. Здесь также применено исправление регулярного выражения правительства Великобритании ):
Смотрите здесь регулярное выражение .
^([A-Z]{1,2}\d[A-Z\d]? ?\d[A-Z]{2}|GIR ?0A{2})$
И даже дальше, если вас не волнует особый случай GIR 0AA:
^[A-Z]{1,2}\d[A-Z\d]? ?\d[A-Z]{2}$
3. Сложные паттерны
Я бы не советовал чрезмерно проверять почтовый индекс, поскольку новые районы, районы и районы могут появиться в любой момент времени. Что я предлагаю потенциально делать, так это добавленную поддержку пограничных случаев. Существуют некоторые особые случаи, которые описаны в этой статье в Википедии .
Здесь приведены сложные регулярные выражения, включающие подразделы 3. (3.1, 3.2, 3.3).
По отношению к шаблонам в 1. Исправление регулярного выражения правительства Великобритании :
Смотрите здесь регулярное выражение
^(([A-Z][A-HJ-Y]?\d[A-Z\d]?|ASCN|STHL|TDCU|BBND|[BFS]IQQ|PCRN|TKCA) ?\d[A-Z]{2}|BFPO ?\d{1,4}|(KY\d|MSR|VG|AI)[ -]?\d{4}|[A-Z]{2} ?\d{2}|GE ?CX|GIR ?0A{2}|SAN ?TA1)$
И по отношению к 2. Упрощенные паттерны :
Смотрите здесь регулярное выражение
^(([A-Z]{1,2}\d[A-Z\d]?|ASCN|STHL|TDCU|BBND|[BFS]IQQ|PCRN|TKCA) ?\d[A-Z]{2}|BFPO ?\d{1,4}|(KY\d|MSR|VG|AI)[ -]?\d{4}|[A-Z]{2} ?\d{2}|GE ?CX|GIR ?0A{2}|SAN ?TA1)$
3,1 Британские заморские территории
В настоящее время статья в Википедии (некоторые форматы немного упрощены):
AI-1111: Ангилья ASCN 1ZZ: Остров Вознесения STHL 1ZZ: остров Святой Елены TDCU 1ZZ: Тристан-да-Кунья BBND 1ZZ: Британская территория в Индийском океане BIQQ 1ZZ: Британская антарктическая территория FIQQ 1ZZ: Фолклендские острова GX11 1ZZ: Гибралтар PCRN 1ZZ: Острова Питкэрн SIQQ 1ZZ: Южная Георгия и Южные Сандвичевы острова TKCA 1ZZ: острова Теркс и Кайкос BFPO 11: Акротири и Декелия ZZ 11 & GE CX: Бермудские острова (согласно этому документу ) KY1-1111: Каймановы острова (согласно этому документу ) VG1111: Британские Виргинские острова (согласно этому документу ) MSR 1111: Монтсеррат (согласно этому документу )
Всеобъемлющее регулярное выражение для соответствия только британским заморским территориям может выглядеть так:
Смотрите здесь регулярное выражение .
^((ASCN|STHL|TDCU|BBND|[BFS]IQQ|GX\d{2}|PCRN|TKCA) ?\d[A-Z]{2}|(KY\d|MSR|VG|AI)[ -]?\d{4}|(BFPO|[A-Z]{2}) ?\d{2}|GE ?CX)$
3,2 Почтовое отделение британских войск
Хотя они были недавно изменены, чтобы лучше соответствовать британской системе почтовых индексов на BF# (где # представляет число), они считаются дополнительными альтернативными почтовыми кодами . Эти почтовые индексы имеют формат (* ed) BFPO, за которым следуют 1-4 цифры:
Смотрите здесь регулярное выражение
^BFPO ?\d{1,4}$
3,3 Санта?
Есть еще один особый случай с Сантой (как уже упоминалось в других ответах): SAN TA1 - действительный почтовый индекс. Регулярное выражение для этого очень просто:
^SAN ?TA1$