7.4. 使用{n,m} 语法

7.4. 使用`{n,m}` 语法

7.4.1. 校验十位数和个位数

在前面的章节,你处理了相同字符可以重复三次的情况，在正则表达式中有另外一个方式来表达这种情况，并且使代码的可读性更好。首先来看我们在前面的例子中使用的方法。

例 7.5. 老方法：每一个字符都是可选的

>>> import re
>>> pattern = '^M?M?M?$'
>>> re.search(pattern, 'M')    
<_sre.SRE_Match object at 0x008EE090>
>>> pattern = '^M?M?M?$'
>>> re.search(pattern, 'MM')   
<_sre.SRE_Match object at 0x008EEB48>
>>> pattern = '^M?M?M?$'
>>> re.search(pattern, 'MMM')  
<_sre.SRE_Match object at 0x008EE090>
>>> re.search(pattern, 'MMMM') 
>>>

	这个模式匹配串的开始，接着是第一个可选的字符`M`, 第二第三个`M`字符则被忽略，(这是可行的因为它们都是可选的),最后是字符串的结尾。
	这个模式匹配串的开始，接着是第一和第二个可选字符`M` ，而第三个`M` 字符被忽略(这是可行的因为它们都是可选的)，最后匹配字符串的结尾。
	这个模式匹配字符串的开始，接着匹配所有的三个可选字符 `M`, 最后匹配字符串的结尾。
	这个模式匹配字符串的开始，接着匹配所有的三个可选字符`M`，但是不能够匹配字符串的结尾(因为还有一个未匹配的字符`M`)，因此不能够匹配而返回一个`None`.

例 7.6. 一个新的方法：From `n` to `m`

>>> pattern = '^M{0,3}$'       
>>> re.search(pattern, 'M')    
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'MM')   
<_sre.SRE_Match object at 0x008EE090>
>>> re.search(pattern, 'MMM')  
<_sre.SRE_Match object at 0x008EEDA8>
>>> re.search(pattern, 'MMMM') 
>>>

	这个模式意识是说：“匹配字符串的开始，接着匹配0到3个`M`字符，然后匹配字符串的结尾。” 可是是0到3之间的任何数字，如果你想要匹配至少1次，至多3次字符`M`，则可以写成 `M{1,3}`。
	这个模式匹配字符串的开始，接着匹配三个可选`M`字符中的一个，最后是字符串的结尾。
	这个模式匹配字符串的开始，接着匹配三个可选`M`字符中的两个，最后是字符串的结尾。
	这个模式匹配字符串的开始，接着匹配三个可选`M`字符中的三个，最后是字符串的结尾。
	这个模式匹配字符串的开始，接着匹配三个可选`M`字符中的三个，但是没有匹配字符串的结尾。正则表达式在字符串结尾之前最多只允许批评三次`M`字符，但是实际上有四个 `M`字符，因此模式没有匹配上这个字符串，返回一个`None`.


	没有一个轻松的方法来确定两个正则表达式是否为等价的，你能采用的最好的办法就是列出很多的测试样例，确定这两个正则表达式对所有的相关输入都有相同的输出。在本书后面的章节，关于如何书写测试样例有更多的讨论。

7.4.1. 校验十位数和个位数

现在我们来扩展扩展关于罗马数字的正则表达式，以匹配十位数和个位数，下面的例子展示十位数的校验方法。

例 7.7. 校验十位数

>>> pattern = '^M?M?M?M?(CM|CD|D?C?C?C?)(XC|XL|L?X?X?X?)$'
>>> re.search(pattern, 'MCMXL')    
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'MCML')     
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'MCMLX')    
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'MCMLXXX')  
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'MCMLXXXX') 
>>>

	这个模式匹配字符串的开始，接着是第一个可选字符`M`，接着是`CM`, 接着 `XL`, 接着是字符串的结尾。请记住，`(A\|B\|C)`这个语法的含义是“精确匹配A, B, 或者 C其中的一个”。此处匹配了`XL`, 因此不再匹配`XC` 和 `L?X?X?X?` ，接着就匹配到字符串的结尾。`MCML`表示罗马数字`1940`.
	这个模式匹配字符串的开始，接着是第一个可选字符`M`,接着是`CM`, 接着 `L?X?X?X?`。在模式`L?X?X?X?`中，他匹配`L`字符并且跳过所有可选的`X`字符，接着匹配字符串的结尾。`MCML` 表示罗马数字`1950`.
	这个模式匹配字符串的开始，接着是第一个可选字符`M`,接着是`CM`, 接着是可选的 `L`字符和可选的第一个`X`字符，并且跳过第二第三个可选的`X`字符，接着是字符串的结尾。 `MCMLX`表示罗马数字`1960`.
	这个模式匹配字符串的开始，接着是第一个可选字符`M`,接着是`CM`, 接着是可选的 `L`字符和所有的三个可选的`X`字符，接着匹配字符串的结尾。`MCMLXXX` 表示罗马数字 `1980`.
	这个模式匹配字符串的开始，接着是第一个可选字符`M`,接着是`CM`, 接着是可选的 `L`字符和所有的三个可选的`X`字符，接着就未能匹配字符串的结尾ie，因为还有一个未匹配的`X` 字符。所以整个模式匹配失败并返回一个 `None`. `MCMLXXXX` 不是一个有效的罗马数字。

对于个位数的正则表达式有类似的表达方式i，我将省略细节，直接展示结果。

>>> pattern = '^M?M?M?M?(CM|CD|D?C?C?C?)(XC|XL|L?X?X?X?)(IX|IV|V?I?I?I?)$'

用另一种{n,m}语法表达这个正则表达式会如何呢？这个例子展示新的语法。

例 7.8. 用`{n,m}`语法确认罗马数字

>>> pattern = '^M{0,4}(CM|CD|D?C{0,3})(XC|XL|L?X{0,3})(IX|IV|V?I{0,3})$'
>>> re.search(pattern, 'MDLV')             
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'MMDCLXVI')         
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'MMMMDCCCLXXXVIII') 
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'I')                
<_sre.SRE_Match object at 0x008EEB48>

	这个模式匹配字符串的开始，接着匹配四个可选的`M`字符的一个，接着匹配`D?C{0,3}`，此处，紧紧匹配可选的字符`D`和0个可选字符`C`。继续向前匹配，匹配`L?X{0,3}`，此处，匹配可选的`L` 字符和0个可选字符`X`，接着匹配`V?I{0,3}` ，此处，匹配可选的V和0个可选字符`I`，最后匹配字符串的结尾。`MDLV` 表示罗马数字`1555`.
	这个模式匹配字符串的开始，接着是四个可选的`M` 字符的两个，接着匹配 `D?C{0,3}` ，此处为一个字符`D`和三个可选 `C`字符中的一个，接着匹配`L?X{0,3}`，此处为一个`L`字符和三个可选`X`字符中的一个，接着匹配`V?I{0,3}`，此处为一个字符`V`和三个可选`I`字符中的一个，接着匹配字符串的结尾。`MMDCLXVI` 表示罗马数字`2666`.
	这个模式匹配字符串的开始，接着是四个可选的`M`字符的所有字符，接着匹配 `D?C{0,3}` ，此处为一个字符`D`和三个可选 `C`字符中所有字符，接着匹配`L?X{0,3}`，此处为一个`L`字符和三个可选`X`字符中所有字符，接着匹配`V?I{0,3}`，此处为一个字符`V`和三个可选`I`字符中所有字符，接着匹配字符串的结尾。`MMMMDCCCLXXXVIII` 表示罗马数字`3888`, 这个数字是不用扩展语法可以写出的最大的罗马数字。
	仔细看哪！(我象一个魔术师一样，“看仔细喽，孩子们，我将要从我的帽子中拽出一只兔子来啦！”) 这个模式匹配字符串的开始，接着匹配4个可选`M`字符的0个，接着匹配`D?C{0,3}`，此处，跳过可选字符`D`并匹配三个可选`C`字符的0个，接着匹配`L?X{0,3}`，此处，跳过可选字符`L`并匹配三个可选 `X`字符的0个，接着匹配`V?I{0,3}`，此处跳过可选字符 `V`并且匹配三个可选`I`字符的一个，最后匹配字符串的结尾。哇赛！


	本章译者注：这个例子在正则表达式的匹配上没有问题，但是对于罗马数字的表示办法本身似乎有点问题，代表千位数的字符`M`，根据规定最多只能重复3次，但是在这个例子中重复了4次，但是这个罗马数字最后又表示3888，此处矛盾。不过，我们是为了搞清楚正则表达式的用法，罗马数字的表示法不是重点，因此从这个角度，这个例子没有问题。因此，在翻译的过程中保持了原文，大家在理解的时候需要注意一下这里。

如果你在第一遍就跟上并理解了所讲的这些，那么你做的比我还要好。现在，你可以尝试着理解别人大规模程序里关键函数中的正则表达式了。或者想象着几个月后回头理解你自己的正则表达式。我曾经做过这样的事情，但是它并不是那么好看。

在下一节里，你将会研究另外一种正则表达式语法，它可以使你的表达式具有更好的可维持性。

Python 研究(Dive Into Python)