Přeskočit na hlavní obsah

Regulární výrazy a validace dat ve formulářích

Poznámka: rozhraní aplikace MyDocSafe je k dispozici v angličtině. Snímky obrazovky a názvy v aplikaci uvádíme anglicky, s překladem v závorce.

Formuláře MyDocSafe podporují regulární výrazy.

Co jsou regulární výrazy a jak je používat?

Regulární výraz, zkráceně regex, je vzor popisující určitou část textu. Pokud například chcete zajistit, aby osoba vyplňující formulář zadala přesně požadovaný text, můžete pomocí regulárního výrazu vynutit určitý formát vstupu nebo ověřit platnost dat.

Předpokládejme například, že chcete požádat o britské číslo národního pojištění (National Insurance Number, NIN). Skládá se ze 2 znaků, po nichž následuje 6 číslic a další znak. Regulární výraz odpovídající tomuto vzoru by vypadal takto:

[a-z|A-Z]{2}[0-9]{6}[a-z|A-Z]

Zde [a-z] znamená „libovolné malé písmeno“, [A-Z] znamená „libovolné velké písmeno“, | znamená „nebo“, takže [a-z|A-Z] znamená „libovolný znak“, {2} znamená „opakovat dvakrát“ atd.

Některé vlády poskytují regulární výrazy pro běžně používané vzory. Podívejte se například na tento článek na Wikipedii o britských poštovních směrovacích číslech.

Pokud hledáte stručný přehled regulárních výrazů, vyhledejte „průvodce regulárními výrazy“ nebo čtěte dále.

Znak

Význam

Příklad

Ukázka shody

\d

Většina implementací: jedna číslice
od 0 do 9

file_\d\d

file_25

\d

.NET, Python 3: jedna číslice Unicode v libovolném písmu

file_\d\d

file_9੩

\w

Většina implementací: „slovní znak“: písmeno ASCII, číslice nebo podtržítko

\w-\w\w\w

A-b_1

\w

.Python 3: „slovní znak“: písmeno Unicode, ideogram, číslice nebo podtržítko

\w-\w\w\w

字-ま_۳

\w

.NET: „slovní znak“: písmeno Unicode, ideogram, číslice nebo spojovací znak

\w-\w\w\w

字-ま‿۳

\s

Většina implementací: „bílý znak“: mezera, tabulátor, nový řádek, návrat na začátek řádku, svislý tabulátor

a\sb\sc

a b
c

\s

.NET, Python 3, JavaScript: „bílý znak“: libovolný oddělovač Unicode

a\sb\sc

a b
c

\D

Jeden znak, který není číslicí podle definice \d v použité implementaci

\D\D\D

ABC

\W

Jeden znak, který není slovním znakem podle definice \w v použité implementaci

\W\W\W\W\W

*-+=)

\S

Jeden znak, který není bílým znakem podle definice \s v použité implementaci

\S\S\S\S

Yoyo

Kvantifikátory

Kvantifikátor

Význam

Příklad

Ukázka shody

+

Jednou nebo vícekrát

Version \w-\w+

Version A-b1_1

{3}

Přesně třikrát

\D{3}

ABC

{2,4}

Dvakrát až čtyřikrát

\d{2,4}

156

{3,}

Třikrát nebo vícekrát

\w{3,}

regex_tutorial

*

Nulakrát nebo vícekrát

A*B*C*

AAACC

?

Jednou nebo vůbec

plurals?

plural

Další znaky

Znak

Význam

Příklad

Ukázka shody

.

Libovolný znak kromě zalomení řádku

a.c

abc

.

Libovolný znak kromě zalomení řádku

.*

whatever, man.

\.

Tečka (speciální znak: je nutné před něj vložit \)

a\.c

a.c

\

Ruší speciální význam znaku

\.\*\+\? \$\^\/\\

.*+? $^/\

\

Ruší speciální význam znaku

\[\{\(\)\}\]

[{()}]

Logika

Logika

Význam

Příklad

Ukázka shody

|

Alternativa / operátor NEBO

22|33

33

( … )

Zachytávací skupina

A(nt|pple)

Apple (zachytí „pple“)

\1

Obsah skupiny 1

r(\w)g\1x

regex

\2

Obsah skupiny 2

(\d\d)\+(\d\d)=\2\+\1

12+65=65+12

(?: … )

Nezachytávací skupina

A(?:nt|pple)

Apple

Další bílé znaky

​

Znak

Význam

Příklad

Ukázka shody

\t

Tabulátor

T\t\w{2}

T ab

\r

Znak návratu na začátek řádku

viz níže

\n

Znak posunu na nový řádek

viz níže

\r\n

Oddělovač řádků ve Windows

AB\r\nCD

AB
CD

\N

Perl, PCRE (C, PHP, R…): jeden znak, který není zalomením řádku

\N+

ABC

\h

Perl, PCRE (C, PHP, R…), Java: jeden vodorovný bílý znak: tabulátor nebo oddělovač typu mezera v Unicode

\H

Jeden znak, který není vodorovným bílým znakem

\v

.NET, JavaScript, Python, Ruby: svislý tabulátor

\v

Perl, PCRE (C, PHP, R…), Java: jeden svislý bílý znak: posun na nový řádek, návrat na začátek řádku, svislý tabulátor, posun na novou stránku, oddělovač odstavců nebo řádků

\V

Perl, PCRE (C, PHP, R…), Java: libovolný znak, který není svislým bílým znakem

\R

Perl, PCRE (C, PHP, R…), Java: jedno zalomení řádku (dvojice návrat na začátek řádku + posun na nový řádek a všechny znaky odpovídající \v)

Další kvantifikátory

Kvantifikátor

Význam

Příklad

Ukázka shody

+

+ (jednou nebo vícekrát) je „hladový“ kvantifikátor

\d+

12345

?

Mění kvantifikátory na „líné“

\d+?

1 v 12345

*

* (nulakrát nebo vícekrát) je „hladový“ kvantifikátor

A*

AAA

?

Mění kvantifikátory na „líné“

A*?

prázdný řetězec v AAA

{2,4}

Dvakrát až čtyřikrát, „hladový“

\w{2,4}

abcd

?

Mění kvantifikátory na „líné“

\w{2,4}?

ab v abcd

Třídy znaků

Znak

Význam

Příklad

Ukázka shody

[ … ]

Jeden ze znaků v hranatých závorkách

[AEIOU]

Jedna samohláska zapsaná velkým písmenem

[ … ]

Jeden ze znaků v hranatých závorkách

T[ao]p

Tap nebo Top

-

Označení rozsahu

[a-z]

Jedno malé písmeno

[x-y]

Jeden ze znaků v rozsahu od x do y

[A-Z]+

GREAT

[ … ]

Jeden ze znaků v hranatých závorkách

[AB1-5w-z]

Jeden z těchto znaků: A,B,1,2,3,4,5,w,x,y,z

[x-y]

Jeden ze znaků v rozsahu od x do y

[ -~]+

Znaky v tisknutelné části tabulky ASCII.

[^x]

Jeden znak, který není x

[^a-z]{3}

A1!

[^x-y]

Jeden ze znaků mimo rozsah od x do y

[^ -~]+

Znaky, které nejsou v tisknutelné části tabulky ASCII.

[\d\D]

Jeden znak, který je číslicí nebo není číslicí

[\d\D]+

Libovolné znaky včetně
nových řádků, kterým běžná tečka neodpovídá

[\x41]

Odpovídá znaku na šestnáctkové pozici 41 v tabulce ASCII, tj. A

[\x41-\x45]{3}

ABE


​

Kotvy a hranice

Kotva

Význam

Příklad

Ukázka shody

^

Začátek řetězce nebo začátek řádku v závislosti na víceřádkovém režimu. (Uvnitř [^hranatých závorek] však znamená „ne“.)

^abc .*

abc (začátek řádku)

$

Konec řetězce nebo konec řádku v závislosti na víceřádkovém režimu. Řada podrobností závisí na použité implementaci.

.*? the end$

this is the end

\A

Začátek řetězce
(všechny hlavní implementace kromě JS)

\Aabc[\d\D]*

abc (začátek...
...řetězce)

\z

Úplný konec řetězce
Není k dispozici v Pythonu a JS

the end\z

this is...\n...the end

\Z

Konec řetězce nebo (kromě Pythonu) pozice před závěrečným zalomením řádku
Není k dispozici v JS

the end\Z

this is...\n...the end\n

\G

Začátek řetězce nebo konec předchozí shody
.NET, Java, PCRE (C, PHP, R…), Perl, Ruby

\b

Hranice slova
Většina implementací: pozice, kde je pouze na jedné straně písmeno ASCII, číslice nebo podtržítko

Bob.*\bcat\b

Bob ate the cat

\b

Hranice slova
.NET, Java, Python 3, Ruby: pozice, kde je pouze na jedné straně písmeno Unicode, číslice nebo podtržítko

Bob.*\b\кошка\b

Bob ate the кошка

\B

c.*\Bcat\B.*

copycats

Dostali jste odpověď na svou otázku?