Siirry pääsisältöön

Säännölliset lausekkeet ja tietojen validointi lomakkeissa

Huomautus: MyDocSafe-sovelluksen käyttöliittymä on saatavilla englanniksi. Kuvakaappaukset ja käyttöliittymän nimet on esitetty englanniksi, ja käännös on suluissa.

MyDocSafe-lomakkeet tukevat säännöllisiä lausekkeita.

Mitä säännölliset lausekkeet ovat ja miten niitä käytetään?

Säännöllinen lauseke eli regex on malli, joka kuvaa tietynlaista tekstiä. Jos esimerkiksi halutaan varmistaa, että lomakkeen täyttäjä lähettää täsmälleen vaaditun tekstin, säännöllisellä lausekkeella voidaan pakottaa syöte tiettyyn muotoon tai validoida tiedot.

Oletetaan esimerkiksi, että lomakkeella halutaan pyytää Ison-Britannian National Insurance Number -sosiaalivakuutusnumero (NIN). Sen muoto on 2 merkkiä, sitten 6 numeroa ja lopuksi vielä yksi merkki. Tätä muotoa vastaava säännöllinen lauseke on:

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

Tässä [a-z] tarkoittaa ”mitä tahansa pientä kirjainta”, [A-Z] tarkoittaa ”mitä tahansa isoa kirjainta” ja | tarkoittaa tai. Siten [a-z|A-Z] tarkoittaa ”mitä tahansa merkkiä”, {2} tarkoittaa ”toista kahdesti” jne.

Joidenkin maiden viranomaiset tarjoavat säännöllisiä lausekkeita yleisesti käytettyjä muotoja varten. Katso esimerkiksi tämä Ison-Britannian postinumeroita käsittelevä Wikipedia-artikkeli.

Säännöllisten lausekkeiden pikaoppaan löytää hakusanalla 'Regular Expressions Guide'. Voit myös jatkaa lukemista.

Merkki

Selitys

Esimerkki

Esimerkkiosuma

\d

Useimmat lausekemoottorit: yksi numero
väliltä 0–9

file_\d\d

file_25

\d

.NET, Python 3: yksi Unicode-numero mistä tahansa kirjoitusjärjestelmästä

file_\d\d

file_9੩

\w

Useimmat lausekemoottorit: ”sanamerkki”: ASCII-kirjain, numero tai alaviiva

\w-\w\w\w

A-b_1

\w

.Python 3: ”sanamerkki”: Unicode-kirjain, ideogrammi, numero tai alaviiva

\w-\w\w\w

字-ま_۳

\w

.NET: ”sanamerkki”: Unicode-kirjain, ideogrammi, numero tai yhdysmerkki

\w-\w\w\w

字-ま‿۳

\s

Useimmat lausekemoottorit: ”tyhjemerkki”: välilyönti, sarkain, rivinvaihto, vaununpalautus tai pystysarkain

a\sb\sc

a b
c

\s

.NET, Python 3, JavaScript: ”tyhjemerkki”: mikä tahansa Unicode-erotin

a\sb\sc

a b
c

\D

Yksi merkki, joka ei ole numero lausekemoottorin \d-määrityksen mukaan

\D\D\D

ABC

\W

Yksi merkki, joka ei ole sanamerkki lausekemoottorin \w-määrityksen mukaan

\W\W\W\W\W

*-+=)

\S

Yksi merkki, joka ei ole tyhjemerkki lausekemoottorin \s-määrityksen mukaan

\S\S\S\S

Yoyo

Toistomääreet

Toistomääre

Selitys

Esimerkki

Esimerkkiosuma

+

Yksi tai useampi

Version \w-\w+

Version A-b1_1

{3}

Täsmälleen kolme kertaa

\D{3}

ABC

{2,4}

Kahdesta neljään kertaa

\d{2,4}

156

{3,}

Kolme kertaa tai useammin

\w{3,}

regex_tutorial

*

Nolla kertaa tai useammin

A*B*C*

AAACC

?

Kerran tai ei kertaakaan

plurals?

plural

Lisää merkkejä

Merkki

Selitys

Esimerkki

Esimerkkiosuma

.

Mikä tahansa merkki paitsi rivinvaihto

a.c

abc

.

Mikä tahansa merkki paitsi rivinvaihto

.*

whatever, man.

\.

Piste (erikoismerkki: sen eteen on lisättävä \-pakomerkki)

a\.c

a.c

\

Poistaa erikoismerkin erityismerkityksen

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

.*+? $^/\

\

Poistaa erikoismerkin erityismerkityksen

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

[{()}]

Logiikka

Logiikka

Selitys

Esimerkki

Esimerkkiosuma

|

Vaihtoehto / TAI-operaattori

22|33

33

( … )

Tallentava ryhmä

A(nt|pple)

Apple (tallentaa merkkijonon ”pple”)

\1

Ryhmän 1 sisältö

r(\w)g\1x

regex

\2

Ryhmän 2 sisältö

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

12+65=65+12

(?: … )

Ei-tallentava ryhmä

A(?:nt|pple)

Apple

Lisää tyhjemerkkejä

​

Merkki

Selitys

Esimerkki

Esimerkkiosuma

\t

Sarkain

T\t\w{2}

T ab

\r

Vaununpalautusmerkki

katso alla

\n

Rivinsiirtomerkki

katso alla

\r\n

Rivinerotin Windowsissa

AB\r\nCD

AB
CD

\N

Perl, PCRE (C, PHP, R…): yksi merkki, joka ei ole rivinvaihto

\N+

ABC

\h

Perl, PCRE (C, PHP, R…), Java: yksi vaakasuuntainen tyhjemerkki: sarkain tai Unicode-välilyöntierotin

\H

Yksi merkki, joka ei ole vaakasuuntainen tyhjemerkki

\v

.NET, JavaScript, Python, Ruby: pystysarkain

\v

Perl, PCRE (C, PHP, R…), Java: yksi pystysuuntainen tyhjemerkki: rivinsiirto, vaununpalautus, pystysarkain, sivunvaihto, kappaleenerotin tai rivinerotin

\V

Perl, PCRE (C, PHP, R…), Java: mikä tahansa merkki, joka ei ole pystysuuntainen tyhjemerkki

\R

Perl, PCRE (C, PHP, R…), Java: yksi rivinvaihto (vaununpalautuksen ja rivinsiirron pari sekä kaikki merkit, joita \v vastaa)

Lisää toistomääreitä

Toistomääre

Selitys

Esimerkki

Esimerkkiosuma

+

+ (yksi tai useampi) on ”ahne”

\d+

12345

?

Tekee toistomääreistä ”laiskoja”

\d+?

1 merkkijonossa 12345

*

* (nolla kertaa tai useammin) on ”ahne”

A*

AAA

?

Tekee toistomääreistä ”laiskoja”

A*?

tyhjä osuma merkkijonossa AAA

{2,4}

Kahdesta neljään kertaa, ”ahne”

\w{2,4}

abcd

?

Tekee toistomääreistä ”laiskoja”

\w{2,4}?

ab merkkijonossa abcd

Merkkiluokat

Merkki

Selitys

Esimerkki

Esimerkkiosuma

[ … ]

Yksi hakasulkeissa olevista merkeistä

[AEIOU]

Yksi isolla kirjaimella kirjoitettu vokaali

[ … ]

Yksi hakasulkeissa olevista merkeistä

T[ao]p

Tap tai Top

-

Merkkivälin ilmaisin

[a-z]

Yksi pieni kirjain

[x-y]

Yksi merkki väliltä x–y

[A-Z]+

GREAT

[ … ]

Yksi hakasulkeissa olevista merkeistä

[AB1-5w-z]

Yksi seuraavista: A,B,1,2,3,4,5,w,x,y,z

[x-y]

Yksi merkki väliltä x–y

[ -~]+

Merkit ASCII-taulukon tulostettavasta osasta.

[^x]

Yksi merkki, joka ei ole x

[^a-z]{3}

A1!

[^x-y]

Yksi merkki, joka ei ole välillä x–y

[^ -~]+

Merkit, jotka eivät ole ASCII-taulukon tulostettavassa osassa.

[\d\D]

Yksi merkki, joka on numero tai muu kuin numero

[\d\D]+

Mitkä tahansa merkit, myös
rivinvaihdot, joita tavallinen piste ei vastaa

[\x41]

Vastaa ASCII-taulukon heksadesimaalikohdassa 41 olevaa merkkiä eli A:ta

[\x41-\x45]{3}

ABE


​

Ankkurit ja rajat

Ankkuri

Selitys

Esimerkki

Esimerkkiosuma

^

Merkkijonon alku tai rivin alku monirivitilasta riippuen. (Mutta [^hakasulkeiden sisällä] se tarkoittaa ”ei”)

^abc .*

abc (rivin alku)

$

Merkkijonon loppu tai rivin loppu monirivitilasta riippuen. Toiminnassa on monia lausekemoottorikohtaisia eroja.

.*? the end$

this is the end

\A

Merkkijonon alku
(kaikki yleisimmät lausekemoottorit paitsi JS)

\Aabc[\d\D]*

abc (merkkijonon...
...alku)

\z

Merkkijonon ehdoton loppu
Ei käytettävissä Pythonissa eikä JS:ssä

the end\z

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

\Z

Merkkijonon loppu tai (paitsi Pythonissa) kohta ennen viimeistä rivinvaihtoa
Ei käytettävissä JS:ssä

the end\Z

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

\G

Merkkijonon alku tai edellisen osuman loppu
.NET, Java, PCRE (C, PHP, R…), Perl, Ruby

\b

Sanaraja
Useimmat lausekemoottorit: kohta, jonka vain toisella puolella on ASCII-kirjain, numero tai alaviiva

Bob.*\bcat\b

Bob ate the cat

\b

Sanaraja
.NET, Java, Python 3, Ruby: kohta, jonka vain toisella puolella on Unicode-kirjain, numero tai alaviiva

Bob.*\b\кошка\b

Bob ate the кошка

\B

c.*\Bcat\B.*

copycats

Vastasiko tämä kysymykseesi?