我的正则表达式可以改进吗？答案

【问题标题】：Can my Regex be improved?我的正则表达式可以改进吗？
【发布时间】：2016-03-07 10:40:44
【问题描述】：

是的，另一个正则表达式问题。不客气；-P

这是我第一次在 C# 中为一些简单的字符串验证编写自己的正则表达式。我想我已经成功了，但作为一个学习练习，我想知道它是否可以改进以及我是否犯了任何错误。

字符串看起来都像这样：

T20160307.0001

规则：

以字母 T 开头。
格式为 YYYYMMDD 的日期。
句号。
最后 4 个字符始终是数字。应该正好有 4 个。

这是我的正则表达式 (fiddle)：

^(?i)[T]20[0-9]{2}[0-1][0-9][0-3][0-9].\d{4}$

^ 断言字符串的开头。
(?i)[T] 检查我们是否有字母 T，不区分大小写。
20 YYYY 以 20 开头（我将在 2100 年前死去，所以我不再关心任何事情：-P）
[0-9]{2} 0 到 99 之间的任意数字，表示 YYYY 的第二部分。
[0-1][0-9] 0 或 1 表示月初，0-9 表示月初。
[0-3][0-9] 0-3 表示第一天，0-9 表示第二天。
.句号。
\d{4} 4 个数字字符。
$ 断言字符串结束。

我已经看到的一个缺陷是日期验证。 20161935（19 月 35 日）视为有效。我已经阅读了 some / other / posts 关于实现这一点的信息，我认为这与数字范围相匹配，但我无法理解格式。

如果有人对 ELI5 的工作原理足够友好，我会接受一个简单地解决日期问题的答案，但其他改进将是一个受欢迎的奖励。

编辑：为避免进一步混淆，我应该声明我知道 DateTime.TryParse 等。如前所述，我以此为契机学习正则表达式，并认为这是一个很好的起点。很抱歉浪费了我的时间，我应该在原帖中说明这一点。

【问题讨论】：

你有一个好的开始。点需要转义：\.，否则它将匹配任何字符。我建议进行以下改进：(?i)T -> [Tt]（它更短，我不确定(?i) 是否允许内联）；始终使用[0-9] 或\d。我建议在正则表达式之外验证日期，因为闰年规则很复杂，你的正则表达式会变得混乱。
为什么不使用 DateTime.Tryparse 并在日期有效时让它处理。更简单，并且如果您的格式/要求更改更容易调整！另外，您将如何处理正则表达式中的闰年？
相关，用于验证日期：Wanted: DateTime.TryNew(year, month, day) or DateTime.IsValidDate(year, month, day)
@Heinzi，这有点矫枉过正，你只需要DateTime.TryParseExact，在捕获的子字符串上使用yyyyMMdd 格式

标签： c# regex validation

【解决方案1】：

你可以做的事情是：

避免使用与所有 unicode 数字匹配的 \d 字符类（因为您只需要 ascii 数字）
你可以写[01]而不是[0-1]
转义点以计算文字点（而不是任何字符）
如果T 是唯一的字符，则无需将其放入字符类中
最终您可以删除内联修饰符并使用[Tt] 代替T

^(?i)T20[0-9]{2}[01][0-9][0-3][0-9]\.[0-9]{4}$

或

^[Tt]20[0-9]{2}[01][0-9][0-3][0-9]\.[0-9]{4}$

其他事情：您是否真的需要为日期添加额外的检查，因为您无法真正测试日期是否格式正确？（想想闰年）为什么不呢：

^(?i)T(20[0-9]{6})\.[0-9]{4}$

如果您想知道日期是否真的存在，请捕获它并使用DateTime.TryParse 方法对其进行测试。

【讨论】：

\d 仅在启用 ECMA 时匹配 ASCII：var rex = new Regex(regex, RegexOptions.ECMAScript);stackoverflow.com/a/16622773/360211

【解决方案2】：

为什么还要使用正则表达式，只需使用DateTime.TryParseExact 方法。我会像这样通过对其他字符的额外检查来实现它：

bool IsCorrectFormat(string input)
{
    //14 is a magic number for the length of the expected format
    if (input.Length == 14 && input.StartsWith("T", StringComparison.OrdinalIgnoreCase))
    {
        DateTime dt;
        if (DateTime.TryParseExact(input.Substring(1), "yyyyMMdd.ffff", CultureInfo.InvariantCulture, DateTimeStyles.None, out dt))
        {
            return true;
        }
    }

    return false;
}

我不知道格式是否正确，但您始终可以从 1 到 6 进行子串化以获得 yyyyMMdd，然后检查最后 5 个字符的小数点和数字。

编辑：如果必须使用正则表达式来完成

我过去使用过这个正则表达式。请注意，它不检查闰年

@"^(((0[1-9]{1}|[1-2][0-9]{1}|3[01]{1})(0[13578]{1}|1[12]{1}))" //For a 31 day month
+ @"|"
+ @"((0[1-9]{1}|[1-2][0-9]{1}|30)(0[469]{1}|11))" //For a 30 day month
+ @"|"
+ @"((0[1-9]{1}|1[0-9]{1}|2[0-8]{1})(02)))" //For a 28 day month(feb)
+ @"([0-9]{4})$"; //For the year

【讨论】：

答案都很精彩，但我觉得这个最适合我的要求。谢谢大家。

【解决方案3】：

如前所述，我将此作为学习 Regex 的机会，并认为这是一个很好的起点。

使用正则表达式验证日期当然不是一件容易的事，尤其是考虑到闰年涉及的复杂规则。但这是可能的。

如果以 YYYYMMdd 格式输入有效日期，则以下表达式将匹配：

(?=\p{IsBasicLatin}{8}) # ensures \d matches only 0-9
(?!0000)\d{4} # year any 4-digit year, except 00
(?:0[1-9]\d|1[012]) # month 01-12
(?: 
   # day logic for leap years
   (?:
      (!00)[012]\d # Days 01-29 (we exclude 2/29 later)
      | (?<!02)30  # Day 30 valid for all months except Feb
      | (?<=0[13578]|1[02])31 # Day 31 valid for some months
   )
   # Non-Leap-year logic.  Do not allow 2/29 if the provided year
   # is not a leap year.
   (?<!
     (?:
        [13579] # years ending with odd number are not leap years
        | [02468][26]|[13579][048] # years not divisible by 4
                                     # are not leap years (02, 06, 10, ...)
        | (?:[02468][\d-[048]]|[13579][\d-[26]])00 # years divisible by
                                                 # 100 are not leap years,
                                                 # unless divisible by 400

     )0229)
)

使用RegexOptions.IgnorePatternWhitespace 编译。您可以使用^T~\.\d{4}$ 匹配示例中的完整字符串，将~ 替换为上述表达式。

【讨论】：