英国の郵便番号に一致する正規表現

https://stackoverflow.com/questions/164979

03-07-2019
|

質問

私は、入力文字列内でのみ完全に複雑な英国の郵便番号を検証する正規表現を求めています。珍しい郵便番号形式もすべて、通常のものと同様にカバーする必要があります。例えば：

一致

CW3 9SS
SE5 0EG
SE50EG
se5 0eg
WC2H 7LT

勝ち目がない

aWC2H 7LT
WC2H 7LTa
WC2H

この問題を解決するにはどうすればよいですか?

解決

郵便番号については、UK Government Data Standardをご覧になることをお勧めします。 XMLのアーカイブについては、 Wikipedia を参照してください]。データに関する簡単な説明があり、添付のxmlスキーマは正規表現を提供します。正確にあなたが望むものではないかもしれませんが、良い出発点になるでしょう。 RegExはXMLとわずかに異なります。形式A9A 9AAの3番目の位置にあるP文字は、指定された定義で許可されているためです。

英国政府から提供されたRegExは次のとおりです。

([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]?))))\s?[0-9][A-Za-z]{2})

Wikipediaの議論で指摘されているように、これにより、一部の非実際の郵便番号（たとえば、AA、ZYから始まる郵便番号）が許可され、より厳密なテストを提供できます。

他のヒント

使うことになるようです ^(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})$, これは、上記の Minglis が提案したもののわずかに修正されたバージョンです。

ただし、上記のさまざまなソリューションでは、どの文字が許可されるかについて異なるルールが適用されるようであるため、ルールがどのようなものかを正確に調査する必要があります。

いくつかの調査を行った結果、さらに詳しい情報が見つかりました。どうやら「govtalk.gov.uk」のページが郵便番号の仕様を示しているようです govtalk-郵便番号. 。これは、次の XML スキーマを指します。 XMLスキーマこれは、郵便番号ルールの「疑似正規表現」ステートメントを提供します。

これを少し加工して、次の式を作成しました。

^((GIR &0AA)|((([A-PR-UWYZ][A-HK-Y]?[0-9][0-9]?)|(([A-PR-UWYZ][0-9][A-HJKSTUW])|([A-PR-UWYZ][A-HK-Y][0-9][ABEHMNPRV-Y]))) &[0-9][ABD-HJLNP-UW-Z]{2}))$

これにより、スペースはオプションになりますが、スペースは 1 つまでに制限されます (スペースを無制限にするには、「&」を「{0,}」に置き換えます)。すべてのテキストは大文字でなければならないと想定しています。

小文字と任意の数のスペースを許可したい場合は、次を使用します。

^(([gG][iI][rR] {0,}0[aA]{2})|((([a-pr-uwyzA-PR-UWYZ][a-hk-yA-HK-Y]?[0-9][0-9]?)|(([a-pr-uwyzA-PR-UWYZ][0-9][a-hjkstuwA-HJKSTUW])|([a-pr-uwyzA-PR-UWYZ][a-hk-yA-HK-Y][0-9][abehmnprv-yABEHMNPRV-Y]))) {0,}[0-9][abd-hjlnp-uw-zABD-HJLNP-UW-Z]{2}))$

これは海外領土をカバーしておらず、形式を強制するだけであり、さまざまな地域の存在を強制するものではありません。これは次のルールに基づいています。

次の形式を受け入れることができます。

「GIR0AA」
A9 9ZZ
A99 9ZZ
AB9 9ZZ
AB99 9ZZ
A9C 9ZZ
AD9E 9ZZ

どこ：

9 には任意の 1 桁の数字を指定できます。
A には、Q、V、または X を除く任意の文字を指定できます。
B には、I、J、または Z を除く任意の文字を指定できます。
C には、I、L、M、N、O、P、Q、R、V、X、Y、または Z を除く任意の文字を指定できます。
D には、I、J、または Z を除く任意の文字を指定できます。
E は、A、B、E、H、M、N、P、R、V、W、X、または Y のいずれかです。
Z には、C、I、K、M、O、または V を除く任意の文字を指定できます。

幸運をお祈りしています

コリン

郵便番号を検証できる包括的な英国郵便番号正規表現のようなものはありません。正規表現を使用して、郵便番号が正しい形式であることを確認できます。実際に存在するわけではありません。

郵便番号は任意に複雑であり、常に変化しています。たとえば、アウトコード W1 は、郵便番号エリアごとに1〜99のすべての数字を持たず、また決して持つこともありません。

現在存在するものが永遠に真実であるとは期待できません。例として、1990年に郵便局は、アバディーンが少し混雑していると判断しました。 AB1-5の末尾に0を追加してAB10-50にし、その間にいくつかの郵便番号を作成しました。

新しい通りが構築されるたびに、新しい郵便番号が作成されます。これは、ビルドの許可を取得するプロセスの一部です。地方自治体は、これを郵便局で更新する義務があります（すべてを更新するわけではありません）。

さらに、他の多くのユーザーが指摘しているように、Girobank、GIR 0AA、Santaへの手紙用の特別な郵便番号SAN TA1があります-おそらくそこには何も投稿したくないでしょうが、そうではありませんtは他の回答でカバーされているようです。

次に、BFPOの郵便番号があり、現在に変更されていますより標準的な形式。両方の形式が有効になります。最後に、海外の領土^{ソースウィキペディア}。

+----------+----------------------------------------------+
| Postcode |                   Location                   |
+----------+----------------------------------------------+
| AI-2640  | Anguilla                                     |
| ASCN 1ZZ | Ascension Island                             |
| STHL 1ZZ | Saint Helena                                 |
| TDCU 1ZZ | Tristan da Cunha                             |
| BBND 1ZZ | British Indian Ocean Territory               |
| BIQQ 1ZZ | British Antarctic Territory                  |
| FIQQ 1ZZ | Falkland Islands                             |
| GX11 1AA | Gibraltar                                    |
| PCRN 1ZZ | Pitcairn Islands                             |
| SIQQ 1ZZ | South Georgia and the South Sandwich Islands |
| TKCA 1ZZ | Turks and Caicos Islands                     |
+----------+----------------------------------------------+

次に、英国が「輸出」したことを考慮する必要があります。世界中の多くの場所への郵便番号システム。「英国」を検証するもの郵便番号は、他の多くの国の郵便番号も検証します。

英国の郵便番号を検証したい場合、最も安全な方法は、現在の郵便番号の検索を使用することです。いくつかのオプションがあります：

Ordnance Surveyがリリース Code-Point Open オープンデータライセンスの下。時代よりもわずかに遅れますが、無料です。 Ordnance Surveyには権限がないため、これには（おそらく-覚えていないが）北アイルランドのデータは含まれません。北アイルランドの地図作成は、北アイルランドの兵器調査によって実施されており、個別の有償のポインタ製品。これを使用して、かなり簡単に説明されていない数個を追加できます。
Royal Mailは郵便番号アドレスファイル（PAF）をリリースします。これには、BFPOが含まれます。 Code-Point Openがサポートするかどうかはわかりません。それは定期的に更新されますが、お金がかかります（そして、彼らはそれについて実に意地悪かもしれません）。 PAFには郵便番号だけでなく完全なアドレスが含まれ、独自のプログラマーが付属しています。ガイド。 Open Data User Group（ODUG）は現在、PAFを無料でリリースするためにロビー活動を行っています。位置の説明。
最後に、 AddressBase 。これは、すべての英国住所に関するすべての情報の明確なディレクトリを作成するための、Ordnance Survey、Local Authority、Royal Mail、および一致する会社とのコラボレーションです（かなり成功しています）。有償ですが、地方自治体、政府機関、または政府のサービスを利用している場合、無料で使用できます。の

最近回答を R言語の英国郵便番号に関するこの質問。 英国政府の正規表現パターンが間違っていることを発見し、一部の郵便番号を正しく検証できません。残念ながら、ここでの回答の多くは、この誤ったパターンに基づいています。

これらの問題のいくつかを以下で概説し、実際に機能する修正された正規表現を提供します。

注

私の答え（および一般的な正規表現）：

郵便番号のみを検証フォーマット 。
郵便番号が正当に存在することを保証しません 。
- これには、適切なAPIを使用してください！詳細については、ベンの回答をご覧ください。

_{不正な正規表現を気にせず、答えにスキップしたい場合は、回答セクションまでスクロールします。}

悪い正規表現

このセクションの正規表現は使用しないでください。

これは、英国政府が開発者に提供した失敗した正規表現です（このリンクの有効期間はわかりませんが、バルクデータ転送ドキュメント）：

^([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})$

問題

問題1-コピー/貼り付け

使用中の正規表現を参照。

多くの開発者が行うように、コード（特に正規表現）をコピーして貼り付け、機能することを期待して貼り付けます。これは理論上は素晴らしいことですが、このドキュメントからコピー/貼り付けを行うと、実際に文字の1つ（スペース）が次のように改行文字に変更されるため、この特定のケースでは失敗します。

^([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})$

ほとんどの開発者が最初に行うことは、考え直すことなく改行を消去することです。これで、正規表現は、スペースを含む郵便番号（ GIR 0AA 郵便番号以外）と一致しなくなります。

この問題を修正するには、改行文字をスペース文字に置き換える必要があります。

^([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})$
                                                                                                                                                     ^

問題2-境界

使用中の正規表現を見る。

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

郵便番号の正規表現が正規表現を不適切にアンカーしています。 fooA11 1AA のような値が取得されると、この正規表現を使用して郵便番号を検証する人は驚くかもしれません。これは、上の正規表現で指摘されているように、最初のオプションの開始と2番目のオプションの終了を（互いに独立して）固定しているためです。

これが意味するのは、 ^ （行の先頭に位置をアサートする）は最初のオプション（[Gg] [Ii] [Rr] 0 [Aa] {2 }）。したがって、2番目のオプションは、郵便番号で終了する文字列を検証します（前に来るものに関係なく）。

同様に、最初のオプションは行 $ の最後に固定されていないため、 GIR 0AAfoo も受け入れられます。

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

この問題を解決するには、両方のオプションを別のグループ（または非キャプチャグループ）でラップし、その周りにアンカーを配置する必要があります。

^([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})$
                                                                                       ^^

問題3-不適切な文字セット

使用中の正規表現を見る。

^([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})$
                                                                                        ^

正規表現には、文字の範囲を示すための-がありません。現状では、郵便番号の形式が ANA NAA （ A は文字を表し、 N は数字を表す）であり、 A または Z 以外の場合、失敗します。

それはは、 A1A 1AA および Z1A 1AA と一致しますが、 B1A 1AA とは一致しません。

この問題を解決するには、文字-をそれぞれの文字セットの A と Z の間に配置する必要があります。

^([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})$
                                                                                                                                        ^

問題4-間違ったオプションの文字セット

使用中の正規表現を参照。

^([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})$
                                                                                                                                                ^

私は彼らがこのことをウェブ上で公表する前にテストさえしなかったと誓います。間違った文字セットをオプションにしました。彼らは、オプション2（グループ9）の4番目のサブオプションで [0-9] オプションを作成しました。これにより、 AAA 1AA などの誤った形式の郵便番号に正規表現を一致させることができます。

この問題を解決するには、代わりに次の文字クラスをオプションにします（その後、セット [0-9] を1回だけ一致させます）：

^([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})$

問題5-パフォーマンス

この正規表現のパフォーマンスは非常に悪いです。まず、最初に GIR 0AA に一致する可能性が最も低いパターンオプションを配置しました。この郵便番号を他の郵便番号と比較して持つ可能性が高いユーザーの数。おそらく決して？これは、正規表現が使用されるたびに、次のオプションに進む前にこのオプションを使い果たす必要があることを意味します。パフォーマンスへの影響を確認するには、元の正規表現が< a href = "https://regex101.com/r/ajQHrd/6" rel = "noreferrer">オプションを切り替えた後の同じ正規表現（22）。

パフォーマンスの2番目の問題は、正規表現全体の構造に起因します。失敗した場合、各オプションをバックトラックすることは意味がありません。現在の正規表現の構造を大幅に簡素化できます。この問題の修正は、[回答]セクションで提供します。

問題6-スペース

使用中の正規表現を見る

これは本質的に問題とはみなされないかもしれませんが、ほとんどの開発者にとって懸念を引き起こします。正規表現のスペースはオプションではありません。つまり、ユーザーが郵便番号を入力する場合、郵便番号にスペースを入れる必要があります。これは、スペースの後にオプションで？を追加するだけで簡単に修正できます。修正方法については、[回答]セクションをご覧ください。

回答

1。英国政府の正規表現の修正

「問題」セクションで説明したすべての問題を修正し、パターンを簡素化すると、次のような、より短く、簡潔なパターンが生成されます。郵便番号全体（個々の部分ではない）を検証しているため、ほとんどのグループを削除することもできます。

使用中の正規表現を見る

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

これは、いずれかのケース（大文字または小文字）からすべての範囲を削除し、大文字と小文字を区別しないフラグを使用することでさらに短縮できます。注：一部の言語には言語がないため、上記の長い言語を使用してください。各言語では、大文字と小文字を区別しないフラグの実装方法が異なります。

使用中の正規表現はこちら。

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

[0-9] を \ d に置き換えます（正規表現エンジンがサポートしている場合）：

使用中の正規表現をご覧ください。

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

2。簡略化されたパターン

特定のアルファベット文字を保証することなく、次を使用できます（ 1。英国政府の正規表現の修正からの簡略化もここに適用されていることに注意してください）：

使用中の正規表現を見る。

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

さらに、特別なケース GIR 0AA を気にしない場合：

^(([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)$

3。複雑なパターン

郵便番号を新しい地域として過度に検証することはお勧めしません、Dist

上記の回答のいくつかを見て、@ Danの answer（c。Dec 15 '10）。有効な郵便番号のほぼ0.4％が誤って無効であるとフラグ付けされますが、その他はそうではありません。

兵器調査は、コードポイントオープンと呼ばれるサービスを提供します。

英国の現在のすべての郵便番号ユニットのリストが含まれています

grep を使用して、このデータから郵便番号の全リスト（13年7月6日）に対して上記の各正規表現を実行しました：

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"

合計1,686,202の郵便番号があります。

以下は、各 $ pattern と一致しない有効な郵便番号の数です。

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



'^(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})



'^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}

もちろん、これらの結果は、無効として誤ってフラグが付けられた有効な郵便番号のみを処理します。だから：

'^.*

無効な郵便番号を除外するのに最適なパターンについては何も言っていません。
# => 6016 (0.36%)




<*>



<*>

もちろん、これらの結果は、無効として誤ってフラグが付けられた有効な郵便番号のみを処理します。だから：

<*>

無効な郵便番号を除外するのに最適なパターンについては何も言っていません。
# => 0




<*>

もちろん、これらの結果は、無効として誤ってフラグが付けられた有効な郵便番号のみを処理します。だから：

<*>

無効な郵便番号を除外するのに最適なパターンについては何も言っていません。
# => 6016 (0.36%)




<*>



<*>

もちろん、これらの結果は、無効として誤ってフラグが付けられた有効な郵便番号のみを処理します。だから：

<*>

無効な郵便番号を除外するのに最適なパターンについては何も言っていません。
# => 0

もちろん、これらの結果は、無効として誤ってフラグが付けられた有効な郵便番号のみを処理します。だから：

<*>