Regex numéro CAS
Un numéro CAS, ce n'est pas juste « des chiffres séparés par des tirets » : le CAS (Chemical Abstracts Service) impose lui-même un premier groupe de 2 à 7 chiffres, jamais 1 seul. Une fonction PL/SQL réelle et une bibliothèque Python l'un comme l'autre acceptent pourtant un premier groupe d'un seul chiffre — un numéro comme « 5-00-0 » passerait leur test de forme, alors que le CAS ne l'attribuerait jamais. Voici un motif qui respecte cette borne officielle, comparé à ces deux tentatives et une troisième dépourvue de tout ancrage.
/^[0-9]{2,7}-[0-9]{2}-[0-9]$/passe 20/20 cas
Comparatif des patterns existants
| Source | pattern | Score sur le corpus | ReDoS |
|---|---|---|---|
| GitHub simonengelke/CAS_Validation (Python 2) — premier groupe illimité (\d+) au lieu de 2-7 chiffres officiels, non ancrée, syntaxe Python 2 invalide en Python 3 | (\d+)-(\d\d)-(\d) | 12 / 20 | vulnérable (000000000000000000000000000000000000000000000000000000000000…) |
| Depth-First (blog technique, 2008) — respecte la borne 2-7 chiffres, mais aucune ancre de début/fin : un numéro CAS valide entouré de texte parasite passe quand même | [0-9]{2,7}-[0-9]{2}-[0-9] | 13 / 20 | sûr |
| GitHub abhinavsood/CAS-Number-Validator (fonction Oracle PL/SQL) — accepte un premier groupe d'un seul chiffre, alors que le minimum officiel CAS est 2 | ^\d{1,7}-\d{2}-\d$ | 19 / 20 | sûr |
Implémentation
const re = new RegExp("^[0-9]{2,7}-[0-9]{2}-[0-9]$", "");
re.test(input);Limites
- Valide seulement la FORME (groupes de 2-7, 2 et 1 chiffres) : ne calcule pas le chiffre de contrôle (somme pondérée modulo 10) — un numéro syntaxiquement valide selon ce motif peut avoir une clé fausse et ne correspondre à aucune substance réellement enregistrée (voir 7732-18-4 dans les exemples, structure de l'eau mais clé fausse).
- Ne consulte pas le registre CAS (SciFinder ou CAS Common Chemistry, common-chemistry.cas.org) : seule cette source confirme qu'un numéro est réellement attribué à une substance.
- Un numéro CAS n'est qu'un identifiant administratif d'enregistrement, jamais réattribué même si la substance est retirée du commerce : ce motif ne peut refléter aucune notion de statut réglementaire actuel (interdiction, restriction).
- Exige des tirets littéraux aux deux positions : les formats sans séparateur ou avec des points, parfois rencontrés dans des bases de données mal normalisées, doivent être convertis avant validation par ce motif.