최근 에이 질문에 대한 답변 을 R 언어의 영국 우편 번호 에 게시 했습니다 . 영국 정부의 정규식 패턴이 잘못되어 제대로 작동 하지 않음을 발견했습니다 . 일부 우편 번호의 유효성 검사 . 불행히도, 여기의 많은 답변은이 잘못된 패턴을 기반으로합니다.

아래에서 이러한 문제 중 일부를 간략하게 설명하고 실제로 작동 하는 수정 된 정규식을 제공 합니다.

노트

내 대답 (및 일반적인 정규 표현식) :

• 우편 번호 형식 만 확인 합니다.
• 우편 번호가 합법적으로 존재 하는지 확인하지는 않습니다 .
  • 이를 위해 적절한 API를 사용하십시오! 자세한 내용은 Ben의 답변 을 참조하십시오.

_{잘못된 정규식에 신경 쓰지 않고 답변으로 건너 뛰려면 답변 섹션으로 스크롤 하십시오.}

나쁜 정규식

이 섹션의 정규식은 사용하지 않아야합니다.

이것은 영국 정부가 개발자들에게 제공 한 정규 표현식입니다 (이 링크의 길이는 확실하지 않지만 대량 데이터 전송 문서 에서 볼 수 있습니다 ).

^([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})$

문제

문제 1-복사 / 붙여 넣기

여기서 사용중인 정규식을 참조하십시오 .

많은 개발자가 할 수 있듯이 코드 (특히 정규식)를 복사 / 붙여 넣기하고 작동 할 것으로 예상하여 붙여 넣습니다. 이론적으로는 훌륭하지만이 경우이 문서에서 복사 / 붙여 넣기를하면 실제로 문자 (공백) 중 하나가 개행 문자로 변경되므로이 경우에는 실패합니다.

^([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})$

대부분의 개발자가 할 첫 번째 일은 두 번 생각하지 않고 개행을 지우는 것입니다. 이제 정규 표현식은 공백이있는 우편 번호와 일치하지 않습니다 (GIR 0AA 우편 번호 제외).

이 문제를 해결하려면 줄 바꾸기 문자를 공백 문자로 바꿔야합니다.

^([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})$
                                                                                                                                                     ^

문제 2-경계

여기서 사용중인 정규식을 참조하십시오 .

^([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})$
^^                     ^ ^                                                                                                                                            ^^

우편 번호 정규식이 정규식을 잘못 고정합니다. 이 정규식을 사용하여 우편 번호의 유효성을 검사하는 사람은 같은 값 fooA11 1AA이 통과 하면 놀랄 수 있습니다 . 위의 정규 표현식에서 지적했듯이 첫 번째 옵션의 시작과 두 번째 옵션의 끝을 서로 독립적으로 고정했기 때문입니다.

이것이 의미하는 것은 ^(줄 시작시 위치를 주장한다) 첫 번째 옵션에서만 작동 ([Gg][Ii][Rr] 0[Aa]{2})하므로 두 번째 옵션은 우편 번호로 끝나는 문자열을 확인합니다 (앞에 오는 내용에 관계없이).

마찬가지로, 첫 번째 옵션은 줄 끝에 고정되지 않은 $, 그래서 GIR 0AAfoo도 허용됩니다.

^([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})$

이 문제를 해결하려면 두 옵션을 다른 그룹 (또는 캡처하지 않은 그룹)으로 묶어야하고 그 주위에 앵커를 배치해야합니다.

^(([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}))$
^^                                                                                                                                                                      ^^

문제 3-부적절한 문자 세트

여기서 사용중인 정규식을 참조하십시오 .

^([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})$
                                                                                       ^^

정규식 -에 문자 범위를 나타내는 여기 가 없습니다 . 우편 번호가 형식 ANA NAA( A문자를 N나타내고 숫자를 나타냄)으로되어 A있거나 또는 이외의 것으로 시작 Z하면 실패합니다.

그 수단이 일치 A1A 1AA하고 Z1A 1AA있지만 B1A 1AA.

이 문제를 해결하려면 문자 -를 A및 Z문자 세트 사이에 배치해야합니다 .

^([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})$
                                                                                        ^

문제 4-잘못된 선택 문자 세트

여기서 사용중인 정규식을 참조하십시오 .

^([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})$
                                                                                                                                        ^

나는 그들이 웹에서 그것을 공개하기 전에이 일을 테스트조차하지 않았다고 맹세합니다. 그들은 잘못된 문자 집합을 선택 사항으로 만들었습니다. [0-9]옵션 2 (그룹 9)의 네 번째 하위 옵션에서 옵션을 만들었습니다 . 이렇게하면 정규식이와 같은 형식이 잘못된 우편 번호와 일치 할 수 있습니다 AAA 1AA.

이 문제를 해결하려면 대신 다음 문자 클래스를 선택 사항으로 설정하십시오 (그리고 세트를 [0-9]정확히 한 번만 일치 시키십시오 ).

^([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})$
                                                                                                                                                ^

문제 5-성능

이 정규식의 성능은 매우 나쁩니다. 우선, 그들은 가장 가능성이 적은 패턴 옵션을 GIR 0AA처음에 맞췄습니다. 이 우편 번호와 다른 우편 번호를 가진 사용자 수는 몇 명입니까? 아마 절대? 이것은 정규식을 사용할 때마다 다음 옵션으로 진행하기 전에이 옵션을 먼저 소모해야 함을 의미합니다. 성능에 미치는 영향을 보려면 옵션을 뒤집은 후 원래 정규식 이 동일한 정규식 에 대해 수행 한 단계 수 (35)를 확인하십시오 (22).

성능의 두 번째 문제는 전체 정규식이 구성되는 방식 때문입니다. 각 옵션에 실패하면 역 추적 할 수 없습니다. 현재 정규식이 구성되는 방식을 크게 단순화 할 수 있습니다. 답변 섹션 에서 이에 대한 수정 사항을 제공합니다 .

문제 6-공백

여기에 사용중인 정규 표현식을 참조하십시오

이것은 그 자체로 는 문제 로 간주되지 않을 수도 있지만 대부분의 개발자들에게는 우려를 불러 일으 킵니다. 정규식의 공백은 선택 사항이 아닙니다. 즉, 우편 번호를 입력하는 사용자는 우편 번호에 공백을 두어야합니다. ?공백 다음에 공백을 추가 하여 선택적으로 렌더링 하면 쉽게 해결할 수 있습니다. 수정 사항 은 응답 섹션을 참조하십시오 .

대답

1. 영국 정부의 정규식 수정

문제점 섹션에 요약 된 모든 문제를 수정 하고 패턴을 단순화하면 다음과 같이 짧고 간결한 패턴이 생성됩니다. 우편 번호를 전체적으로 (개별 부분이 아닌) 검증하기 때문에 대부분의 그룹을 제거 할 수도 있습니다.

여기에 사용중인 정규 표현식을 참조하십시오

^([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})$

대소 문자 중 하나 (대 / 소문자)에서 대 / 소문자를 구분하지 않는 플래그를 사용하여 모든 범위를 제거하여 더 단축 할 수 있습니다. 참고 : 일부 언어에는 언어가 없으므로 위의 긴 언어를 사용하십시오. 각 언어는 대소 문자를 구분하지 않는 플래그를 구현합니다.

여기서 사용중인 정규식을 참조하십시오 .

^([A-Z][A-HJ-Y]?[0-9][A-Z0-9]? ?[0-9][A-Z]{2}|GIR ?0A{2})$

다시 교체 짧은 [0-9]와 \d(당신의 정규식 엔진에서 지원하는 경우) :

여기서 사용중인 정규식을 참조하십시오 .

^([A-Z][A-HJ-Y]?\d[A-Z\d]? ?\d[A-Z]{2}|GIR ?0A{2})$

2. 단순화 된 패턴

특정 알파벳 문자를 보장하지 않고 다음을 사용할 수 있습니다 ( 1 의 단순화를 명심하십시오 . 영국 정부의 정규식 수정 도 여기에 적용됨).

여기서 사용중인 정규식을 참조하십시오 .

^([A-Z]{1,2}\d[A-Z\d]? ?\d[A-Z]{2}|GIR ?0A{2})$

그리고 특별한 경우에 관심이 없다면 더 나아가십시오 GIR 0AA.

^[A-Z]{1,2}\d[A-Z\d]? ?\d[A-Z]{2}$

3. 복잡한 패턴

새로운 지역, 지구 및 하위 지구가 언제든지 나타날 수 있으므로 우편 번호를 과다하게 검증하지 않는 것이 좋습니다. 잠재적으로 제안 하는 것은 엣지 케이스에 대한 지원을 추가하는 것입니다. 이 특별한 위키피디아 기사 에 특별한 경우가 존재하고 설명되어 있습니다.

다음은 3 의 하위 섹션을 포함하는 복잡한 정규식입니다 (3.1, 3.2, 3.3).

의 패턴과 관련 영국 정부의 정규식 고정 1 :

여기에 사용중인 정규 표현식을 참조하십시오

^(([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)$

그리고 2. 단순화 패턴 과 관련하여 :

여기에 사용중인 정규 표현식을 참조하십시오

^(([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 영국 해외 영토

Wikipedia 기사에 현재 다음과 같이 명시되어 있습니다 (일부 형식은 약간 단순화 됨).

• AI-1111안 길라
• ASCN 1ZZ: 어센션 아일랜드
• STHL 1ZZ세인트 헬레나
• TDCU 1ZZ트리스탄 다 쿠냐
• BBND 1ZZ영국령 인도양 지역
• BIQQ 1ZZ: 영국 남극 지역
• FIQQ 1ZZ포클랜드 제도
• GX11 1ZZ: 지브롤터
• PCRN 1ZZ핏 케언 제도
• SIQQ 1ZZ사우스 조지아 및 사우스 샌드위치 제도
• TKCA 1ZZ: 터크 스케이 커스 제도
• BFPO 11: 아크로티리와 데켈리아
• ZZ 11& GE CX: 버뮤다 ( 이 문서 에 따름 )
• KY1-1111: 케이맨 제도 ( 이 문서 에 따름 )
• VG1111영국령 버진 아일랜드 ( 이 문서 에 따름 )
• MSR 1111: 몬세 라트 ( 이 문서 에 따름 )

영국 해외 영토에만 일치하는 모든 정규식은 다음과 같습니다.

여기서 사용중인 정규식을 참조하십시오 .

^((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 영국군 우체국

최근 영국 우편 번호 시스템 BF#(여기서 #숫자를 나타냄) 에 더 잘 맞도록 변경되었지만 선택적 우편 번호로 간주됩니다 . 이 우편 번호는 형식을 BFPO따르고 (1-4 자리)입니다.

여기에 사용중인 정규 표현식을 참조하십시오

^BFPO ?\d{1,4}$

3.3 산타?

산타에는 또 다른 특별한 경우가 있습니다 (다른 답변에서 언급했듯이). SAN TA1유효한 우편 번호입니다. 이것에 대한 정규식은 매우 간단합니다.

^SAN ?TA1$

답변

+ ---------- + -------------------------------------- -------- +
| 우편 번호 | 위치 |
+ ---------- + -------------------------------------- -------- +
| AI-2640 | 앵 gu 라 |
| ASCN 1ZZ | 어센션 아일랜드 |
| STHL 1ZZ | 세인트 헬레나 |
| TDCU 1ZZ | 트리스탄 다 쿠냐 |
| BBND 1ZZ | 영국령 인도양 지역 |
| BIQQ 1ZZ | 영국 남극 지역 |
| FIQQ 1ZZ | 포클랜드 제도 |
| GX11 1AA | 지브롤터 |
| PCRN 1ZZ | 핏 케언 제도 |
| SIQQ 1ZZ | 사우스 조지아 및 사우스 샌드위치 제도 |
| TKCA 1ZZ | 터크 스케이 커스 제도 |
+ ---------- + -------------------------------------- -------- +

cat CSV/*.csv |
    # Strip leading quotes
    sed -e 's/^"//g' |
    # Strip trailing quote and everything after it
    sed -e 's/".*//g' |
    # Strip any spaces
    sed -E -e 's/ +//g' |
    # Find any lines that do not match the expression
    grep --invert-match --perl-regexp "$pattern"

'^([A-PR-UWYZ0-9][A-HK-Y0-9][AEHMNPRTVXY0-9]?[ABEHMNPRVWXY0-9]?[0-9][ABD-HJLN-UW-Z]{2}|GIR 0AA)$'
# => 6016 (0.36%)

'^(GIR ?0AA|[A-PR-UWYZ]([0-9]{1,2}|([A-HK-Y][0-9]([0-9ABEHMNPRV-Y])?)|[0-9][A-HJKPS-UW]) ?[0-9][ABD-HJLNP-UW-Z]{2})$'
# => 0

'^GIR[ ]?0AA|((AB|AL|B|BA|BB|BD|BH|BL|BN|BR|BS|BT|BX|CA|CB|CF|CH|CM|CO|CR|CT|CV|CW|DA|DD|DE|DG|DH|DL|DN|DT|DY|E|EC|EH|EN|EX|FK|FY|G|GL|GY|GU|HA|HD|HG|HP|HR|HS|HU|HX|IG|IM|IP|IV|JE|KA|KT|KW|KY|L|LA|LD|LE|LL|LN|LS|LU|M|ME|MK|ML|N|NE|NG|NN|NP|NR|NW|OL|OX|PA|PE|PH|PL|PO|PR|RG|RH|RM|S|SA|SE|SG|SK|SL|SM|SN|SO|SP|SR|SS|ST|SW|SY|TA|TD|TF|TN|TQ|TR|TS|TW|UB|W|WA|WC|WD|WF|WN|WR|WS|WV|YO|ZE)(\d[\dA-Z]?[ ]?\d[ABD-HJLN-UW-Z]{2}))|BFPO[ ]?\d{1,4}$'
# => 0

'^.*$'
# => 0

^([A-PR-UWYZ0-9][A-HK-Y0-9][AEHMNPRTVXY0-9]?[ABEHMNPRVWXY0-9]? {1,2}[0-9][ABD-HJLN-UW-Z]{2}|GIR 0AA)$

(?:[A-Za-z]\d ?\d[A-Za-z]{2})|(?:[A-Za-z][A-Za-z\d]\d ?\d[A-Za-z]{2})|(?:[A-Za-z]{2}\d{2} ?\d[A-Za-z]{2})|(?:[A-Za-z]\d[A-Za-z] ?\d[A-Za-z]{2})|(?:[A-Za-z]{2}\d[A-Za-z] ?\d[A-Za-z]{2})