正则表达式 - 电话号码
正则表达式是描述一组字符串特征的模式，用来匹配特定的字符串。
一、需求
写一个正则表达式匹配电话号码，并且括号、连字符或点号都是可选的。假定合规数据只包含以下15种匹配模式之一：
- xxxxxxx 8277019
- xxx.xxxx 827.7019
- xxx-xxxx 827-7019
- xxxxxxxxxx 7078277019
- xxxxxx.xxxx 707827.7019
- xxxxxx-xxxx 707827-7019
- xxx.xxxxxxx 707.8277019
- xxx.xxx.xxxx 707.827.7019
- xxx.xxx-xxxx 707.827-7019
- xxx-xxxxxxx 707-8277019
- xxx-xxx.xxxx 707-827.7019
- xxx-xxx-xxxx 707-827-7019
- (xxx)xxxxxxx (707)8277019
- (xxx)xxx.xxxx (707)827.7019
- (xxx)xxx-xxxx (707)827-7019
二、实现
1. 创建表并生成测试数据
create table t_regexp (a text);
insert into t_regexp values
-- 合规数据
('8277019'),
('827.7019'),
('827-7019'),
('7078277019'),
('707827.7019'),
('707827-7019'),
('707.8277019'),
('707.827.7019'),
('707.827-7019'),
('707-8277019'),
('707-827.7019'),
('707-827-7019'),
('(707)8277019'),
('(707)827.7019'),
('(707)827-7019'),
-- 噪声数据
('a277019'),
('abc827-7019'),
('8a2b7c-7019'),
('.827-7019'),
('70711-827-7019'),
('(707)-827-7019'),
('(707).827-7019'),
('707-827-701912'),
('(707.827-7019'),
('(707827-7019');2. 编写正则表达式
^(\(\d{3}\)|\d{3}[.-]?)?\d{3}[.-]?\d{4}$3. 使用regexp函数查询验证
-- 注意SQL中要使用 \ 对正则表达式中的转义字符 \ 进行转义，看起来就如下为两个连续的 \：\\
select * from t_regexp
where a regexp '^(\\(\\d{3}\\)|\\d{3}[.-]?)?\\d{3}[.-]?\\d{4}$';三、分析与知识点
1. 匹配字符串字面值
707-827-7019上面这个正则表达式用字符串字面值（string literal）来匹配目标字符串。所谓字符串字面值，就是字面上看起来是什么就是什么。
2. 使用字符组匹配数字
[0-9]正则表达式 [0-9] 的含义是“匹配0到9范围内的任意数字”。正则表达式将方括号视为特殊的元字符（metacharacter），因此方括号不参与匹配。元字符是在正则表达式中有特殊含义的字符，也是保留字符。[0-9] 这种形式的正则表达式称做字符组（character class）。可以对数字的范围进行进一步限定，比如：
[012789]这个字符组只会匹配列出的数字，即 0、1、2、7、8、9 。要匹配任意10位以连字符分隔的电话号码，可以使用以下正则表达式：
[0-9][0-9][0-9]-[0-9][0-9][0-9]-[0-9][0-9][0-9][0-9]这是可以的，但太长了，更好的方法是采用简写形式。
3. 使用字符组简写式匹配一位数字
\d 可以像 [0-9] 一样匹配任意阿拉伯数字。这种正则表达式叫做字符组简写式（character shorthand）。可以使用以下表达式来匹配电话号码中的任意数字：
\d\d\d-\d\d\d-\d\d\d\d重复 \d 三次和四次就可以分别匹配三个和四个数字。该表达式中的连字符是一个字面值，因此会被原样匹配。除了和上面表达式一样，使用连字符本身（-）来匹配连字符之外，也可以用转义的大写D（\D），它匹配任何一个非数字字符。以下示例使用了 \D 来匹配连字符：
\d\d\d\D\d\d\d\D\d\d\d\d4. 匹配任意字符
还可以用点号（.）来匹配连字符：
\d\d\d.\d\d\d.\d\d\d\d点号（英文句号）是一个通配符，可以匹配任意字符（但某些情况下不能匹配行起始符）。以上示例中的正则表达式匹配了连字符，但它也可以匹配百分号（%）：
707%827%7019或者是竖线（|）：
707|827|7019亦或其他字符。
5. 使用捕获分组和后向引用
可以使用捕获分组（capturing group）来匹配电话号码中的某一部分，然后使用后向引用（backreference）对分组中的内容进行引用。要创建捕获分组，先将一个 \d 放在一对圆括号中，这样就将它放入了一个分组中，后面可以用 \1 来对捕获的内容进行后向引用：
(\d)\d\1\1 对括号内分组捕获的内容进行了反向引用。(\d) 匹配第一个数字并将其捕获；\d 匹配第二个数字但没有捕获，因为没有括号；\1 对捕获的数字进行反向引用。这个正则表达式只匹配了区号。现在可以用一个分组和几个后向引用对整个电话号码进行匹配：
(\d)0\1\D\d\d\1\D\1\d\d\d6. 使用量词
现在用另一种语法来匹配电话号码：
\d{3}-?\d{3}-?\d{4}花括号中的数字表示待查找的数字出现的次数。包含数字的花括号是一种量词（quantifier）。花括号本身用做元字符。问号是另一种量词，在以上表达式中表示连字符是可选的。也就是说，连字符可以不出现或只出现一次。还有其他的量词，例如加号（+）表示“一个或多个”，星号（＊）表示“零个或多个”。使用量词能让正则表达式变得更简洁：
(\d{3,4}[.-]?)+加号表示出现一次或多次。这个正则表达式表示括号里的模式出现一次或多次，括号里的模式匹配三位或四位数字，后跟一个连字符或一个点号。下面逐一解释表达式中的每一项：左圆括号 ( 为捕获分组的起始符；反斜杠 \ 为字符组简写式的起始符（对之后的字符进行转义）；字符 d 为字符组简写式的结束符（d匹配0到9范围内的任意数字）；左花括号 { 为量词起始符；数字3为匹配的最小数量；逗号 , 隔开不同的数量；数字4为匹配的最大数量；右花括号 } 为量词的结束符；左方括号 [ 为字符组的起始符；点号 . （匹配点号本身）；连字符 - 匹配连字符的本身；右方括号 ] 为字符组的结束符；问号 ？表示量词“零个或一个”；右圆括号 ) 为捕获分组的结束符；加号 + 表示量词“一个或多个”。这个表达式只能匹配3位或4位的数字，而不管是否符合电话号码的格式。我们来改进一下：
(\d{3}[.-]?){2}\d{4}这个表达式匹配的字符串是连续两个无括号的三位数字，每三位数字后可以带连字符也可以不带，最后是一个四位数字。这个正则表达式有问题，从 https://www.dute.org/regex 在线测试结果一目了然。
对于测试数据，合规数据仅匹配了具有区号且区号不带括号的数据：
而噪声数据也匹配了4个：
问题出在对字符串首尾和区号的匹配上，下面加以改进。
7. 括选文字符
这个正则表达式表示第一个3位数字可以带也可以不带括号，即区号是可选的：
^(\(\d{3}\)|\d{3}[.-]?)?\d{3}[.-]?\d{4}$为了便于理解，我们再按匹配次序看一下表达式中的各项。下表从最高到最低说明了各种正则表达式运算符的优先级顺序：
运算符 | 说明 |
|---|---|
\ | 转义符 |
(), (?:), (?=), [] | 小括号和中括号 |
*, +, ?, {n}, {n,}, {n,m} | 限定符 |
^, $, \任何元字符、任何字符 | 定位点和序列（即：位置和顺序） |
| | “或”操作。字符具有高于或运算符的优先级，使得“m|food”匹配“m”或“food”。若要匹配“mood”或“food”，需使用括号创建子表达式，从而产生“(m|f)ood”。 |
\(\d{3}\)|\d{3}[.-]?\( 表示左括号本身；\d 匹配一位数字；\d 之后的{3}是量词，表示匹配三位数字；\) 匹配右括号本身；竖线符 | 表示选择，也就是从多个可选项中选择一个；\d 匹配一位数字；{3} 是表示匹配三位数字的量词；[.-]？匹配一个可选的点号或连字符。这部分表达式表示“匹配一个带括号的区号，或一个不带括号但可能包含连字符的区号”：
(xxx) xxx xxx. xxx-
^(\(\d{3}\)|\d{3}[.-]?)?出现在正则表达式起始位置的脱字符 ^ ，表示0个或1个区号会出现在一行的起始位置，如下的噪声数据将被过滤掉： 70711-827-7019 (707.827-7019 (707827-7019
\d{3}[.-]?\d 匹配一位数字；{3} 表示匹配三位数字的量词；[.-]? 匹配另一个可选的点号或连字符；
\d{4}$\d 匹配一位数字；{4} 是表示匹配四位数字的量词；美元符 $ 匹配行结束位置，即以4位数字结尾，如下的噪声数据将被过滤掉： 707-827-701912
注意 ^ 的位置，一定要在分组外。如果要放到分组内：
(^\(\d{3}\)|^\d{3}[.-]?)?\d{3}[.-]?\d{4}$则只要符合 \d{3}[.-]?\d{4}$ 的数据都会被匹配到：
腾讯云开发者
