正则表达式学习心得

最近在对别人的程序做可视化封装，稍微涉及到了一点正则表达式，有感而发，写下这篇。

举个例子 匹配端口号，众所周知 端口号的范围是0-65535。但是端口0不常用，所以一般性认为端口号是从1-65535.
那我们应该如何用正则表达式匹配端口号呢？
（省流：\b(6553[0-5]|655[0-2]\d|65[0-4]\d{2}|6[0-4]\d{3}|[1-5]\d{4}|[1-9]\d{0,3})\b）

写正则表达式的第一步是分层，准确点来说是分类，这样会给你的书写带来极大地帮助，不然就是一团浆糊
那么端口号可以简单分为以下几层

是不是看着有点吓人？
别慌，我们来简化一下，可以发现第六七八九层格式一样，所以我们可以化简一下，第六七八九合为一层，也就是1-9999
于是我们最终得到了这张分层表

下面是分层依据，可能有点难以理解，如果真无法理解，那就跳到构造表达式去。不过如果思路都搞不懂的话，都是没有用的

下面说说分层思路，有一个规则是不变的，就是从复杂到简单
首先观察下范围：1-65535
最特殊的是什么？
当然是65535这个数字
那我们推广一下。
如果有一个数字，它的格式为6553x，那是不是最后那个x只能是0-5？
好，第一层分完了，是不是很简单？
接下来继续向下分，应为6553x已经分了出去，剩下1-65529
同第一层一样，如果有一个数字，它的格式是655xy
那么这个x只能0，1，2，而y可以是0-9中的任何一个数字。
这里跳跃有点大，可以仔细想想
到此第二层也分完了。
现在范围变成了 1-65499
还是同理，就是照着这个逻辑分下去，我就不再赘述了，免得有人说水。
这个地方很重要，需要好好揣摩。学习正则表达式的核心之一，就是要学会拆分对象。

那么接下来开始正式写正则表达式
之前，推荐一个网站https://regex101.com/，可以测试正则表达式，挺好用的
那么下面正式开始
第一步拿出我们的分层表，嗯，第一层是 65530-65535
那么也就是前面四个数是6553固定，最后一个取0-5，翻译过来就是：6553[0-5]
题外话：正则的语法我不再赘述，自己搜索去
第一层结束后看第二层 从65500 - 65529
还是分析，前三个数是655不动，第四个取0-2，最后一个数任意，翻译过来就是：655[0-2]\d
第三层是65000-65499
还是老方法，但又有点不同，最后两位都可以随便取，所以匹配两次，也就是：65[0-4]\d{2}
第四层是60000-64999 
这就更简单了，一通操作得：6[0-4]\d{3}
第五层则是10000-59999
这个跳的有点大，表面上好像看不出什么，但是仔细看会发现，第一位是1-5，后面不管了
翻译过来就成了：[1-5]\d{4}
最后一层，1-9999
“啊，这不有手就行？\d{1,4}”
错，端口号开头不能是0，所以应该是[1-9]\d{0,3}
好完事具备，我们把这些全部用 “|” 连在一起，然后试试看

看上去运行的不错，但是....

What?这什么情况？
莫慌，我们看一下右边的分步

原来是多次匹配了，如何解决这个问题呢？
很简单，只要加个()表示这一长串表达式是一个集合，然后用^或者$表示从头或者从尾匹配一次就行了
当然你也可以^ 和$ 一起用表示整行匹配
^或者$ 可以替换为\b，在这个表达式上效果是一样的，但不能一概而论。
如果只在头加，或者只在尾加，表示的是匹配一个匹配的结果
但是我要的是判断是否合规，不是匹配合格的结果，所以我在头尾加上\b
表达式就变成了
\b(6553[0-5]|655[0-2]\d|65[0-4]\d{2}|6[0-4]\d{3}|[1-5]\d{4}|[1-9]\d{0,3})\b
当然
^(6553[0-5]|655[0-2]\d|65[0-4]\d{2}|6[0-4]\d{3}|[1-5]\d{4}|[1-9]\d{0,3})$
这样也是可以的，在这个正则表达式里效果是一样的，不过一般^ 和$不是用来干这事的就是了。

现在写完正则表达式，再看一开始的分组，可以想象一下如果没有分组，该如何写这个正则表达式。那真的是一筹莫展，无处下手。分组分类思想在正则表达式中的重要性可见一斑