zh-regex-helper

中文正则表达式助手

使用场景

处理中文文本时常用的正则表达式。

重要说明

\u4e00-\u9fa5 不是完整汉字范围。 它只覆盖 CJK 基本区（20,902 字），不含 CJK 扩展 A~I 区的汉字（如 𠀀、﨎 等）。如需匹配更完整的汉字范围：

• Unicode 属性（推荐）：\p{Han}（需引擎支持，如 Python regex 模块、JavaScript ES2018+）
• 宽范围：[\u4e00-\u9fff\u3400-\u4dbf\U00020000-\U0002a6df] 等

本文档中的 \u4e00-\u9fa5 适用于大多数日常场景，但请注意其局限性。

常用正则

1. 中文字符

[\u4e00-\u9fa5]           # 单个中文字符（CJK 基本区）
[\u4e00-\u9fa5]+          # 一个或多个
^[\u4e00-\u9fa5]{2,10}$   # 2-10 个中文字符（姓名等）
\p{Han}                   # 完整汉字（需引擎支持）

2. 手机号

^1[3-9]\d{9}$             # 中国大陆手机号
^(\+86)?1[3-9]\d{9}$      # 带国际区号

3. 身份证号（仅格式校验）

^[1-9]\d{5}(19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])\d{3}[\dXx]$

局限性： 此正则只校验以下格式：

• 6 位地区编码（不验证是否为合法行政区划）
• 8 位出生日期（不验证该日期是否真实存在，如 2月30日也能通过）
• 3 位顺序码 + 1 位校验码（不验证校验位是否正确）

如需完整校验，需要额外验证：

1. 校验码（ISO 7064:1983, MOD 11-2 算法）
2. 地区编码是否在民政部公布的行政区划代码中
3. 出生日期是否真实有效

正则只适合做前端初步过滤，不能替代后端完整校验。

4. 邮箱

^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$

5. 中文标点

[\u3002\uff1b\uff0c\uff1a\u201c\u201d\uff08\uff09\u3001\uff1f\u300a\u300b]
# 。；，：""（）、？《》

6. URL

https?:\/\/(www\.)?[-a-zA-Z0-9@:%._\+~#=]{1,256}\.[a-zA-Z0-9()]{1,6}\b([-a-zA-Z0-9()@:%_\+.~#?&//=]*)

7. IP 地址

^((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)$

8. 中文 + 英文混合

^[\u4e00-\u9fa5a-zA-Z0-9]+$   # 中文、英文、数字

9. 提取中文

import re
text = "Hello 你好 World 世界"
chinese = re.findall(r'[\u4e00-\u9fa5]+', text)
# 结果: ['你好', '世界']

10. 去除 HTML 标签

import re
html = '<p>你好<span>世界</span></p>'
text = re.sub(r'<[^>]+>', '', html)
# 结果: '你好世界'

Python 示例

import re

def is_valid_phone(phone: str) -> bool:
    """验证手机号（仅格式校验）"""
    return bool(re.match(r'^1[3-9]\d{9}$', phone))

def is_valid_id_card_format(id_card: str) -> bool:
    """验证身份证号格式（仅格式，不校验校验位和真实性）"""
    pattern = r'^[1-9]\d{5}(19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])\d{3}[\dXx]$'
    return bool(re.match(pattern, id_card))

def extract_chinese(text: str) -> list:
    """提取中文文本（CJK 基本区）"""
    return re.findall(r'[\u4e00-\u9fa5]+', text)

def mask_phone(phone: str) -> str:
    """手机号脱敏: 138****8000"""
    return re.sub(r'(\d{3})\d{4}(\d{4})', r'\1****\2', phone)

def mask_id_card(id_card: str) -> str:
    """身份证脱敏: 110***********1234"""
    return re.sub(r'(\d{3})\d{11}(\d{4})', r'\1***********\2', id_card)