起点徘徊
iplinger · 2006-02-20
<< 从UI设计原则到新功能添加
老川菜的一顿午饭 >>
Email地址,URL地址,电话号码提取规则
2006-02-20,
by
iplinger
这几天因为工作需要,需要在一堆文本中提取如下信息。规则如下:
1. 提取Email地址规则
(依据
RFC 2822 (RFC2822)
)
1). 区别字符记号 "@"
Mail 本文中,“@”
的前后地址使用的字符为许可使用的1个或者多个。
2). mail 地址许可使用的字符及最大字符数
Mail 地址可以使用以下82 个字符:
ABCDEFGHIJKLMNOPQRSTUVWXYZ
abcdefghijklmnopqrstuvwxyz
0123456789
!#$%&'*+-./=?^_{|}~
“@”在外的93个ASCII 字符中,禁止使用以下 11 个字符 :
"(),:;<>[\]
包括“@” 最多可以识别64 个字符。 超过64个字节以外的任何允许使用的字符都不能被识别作为E-mail 地址。
延伸阅读:
The Elements of an Email Address
RFC 2822
2. 提取URL地址规则
(依据
RFC 1738 (RFC1738)
)
1). 区别字符记号(这里简单讨论一般非智能手机使用规则,只支持http访问)
在以下UR L 标识后面跟随一个或多个( 后面 URL 格式中允许使用的) 字符的情况,到一个区分字符(后面URL
格式中允许使用的文字以外的任何其他字符)出现为止均为此URL 的一部分。
http://
https://
2). URL 允许使用的字符及最大字符数
允许使用以下91 个文字:
ABCDEFGHIJKLMNOPQRSTUVWXYZ
abcdefghijklmnopqrstuvwxyz
0123456789
!#$%&'()*+,-./:;=?@[\]^_`{|}~
94个ASCII 文字中,禁止使用以下3个文字:
"<>
包括URL 区别字符最大可以识别256 个字节的字符。 超过256的任何字符URL 将不予识别。
3. 提取电话号码规则
1). 号码可以包括一个和多个以下字符“0”~“9” ,“*”和“#”。
2). 3 <= 号码长度 <= 32
3).“+”可以做为一个号码的开始,但不能计算到号码长度中。
4).
“
Space”, “
-
“, “(
“,
“)
”,这四个字符可以穿插在一条电话号码中,但提取后必须忽略掉这些字符,这些字符同样不能计算到号码长度中。
举例如下:
Example
Message text
Anchored number
Number to dial
1
01/01/2005
not anchor
-
2
January 2005
January 2005
2005
3
*99#
*99#
*99#
4
99#2*
99#2*
99#2*
5
*9#
*9#
*9#
6
+39
not anchor
-
7
+391
+391
+391
8
tel:+39
not anchor
-
9
tel:+391
tel: +391
+391
10
391 091
391 091
391091
11
+(0)44-8
+(0)44-8
+0448
12
123, 456
123 , 456
Two different num: 123 and 456
发布于: 20:13:53 | 分类:
email
iplinger
URL
handset
规则
|
引用(0)
|
编辑
2 条评论:
iplinger
,
2006-02-20 21:03:46
谢谢细心的jessica。心情故事随后到:)。
JESSICA
,
2006-02-20 20:43:22
按照计划,IP今天会进行第一轮内部软件测试吧,嘿嘿,要顺利哦
呵呵,看看我多细心呀.自己都被自个儿感动了:)
还有,除了这些怎么也看不懂的技术日志,强烈要求看IP和冠冠滴心情故事!:)
添加评论
原始快照:web.archive.org