7.4. 使用{n,m} 语法

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?$'
>>> re.search(pattern, 'M')    1
<_sre.SRE_Match object at 0x008EE090>
>>> pattern = '^M?M?M?$'
>>> re.search(pattern, 'MM')   2
<_sre.SRE_Match object at 0x008EEB48>
>>> pattern = '^M?M?M?$'
>>> re.search(pattern, 'MMM')  3
<_sre.SRE_Match object at 0x008EE090>
>>> re.search(pattern, 'MMMM') 4
>>> 
1 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。
2 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。
3 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。
4 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}$'       1
>>> re.search(pattern, 'M')    2
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'MM')   3
<_sre.SRE_Match object at 0x008EE090>
>>> re.search(pattern, 'MMM')  4
<_sre.SRE_Match object at 0x008EEDA8>
>>> re.search(pattern, 'MMMM') 5
>>> 
1 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}
2 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。
3 这个模式匹配字符串的开始,接着匹配三个可选M字符中的两个,最后是字符串的结尾。
4 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。
5 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.
注意
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')    1
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'MCML')     2
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'MCMLX')    3
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'MCMLXXX')  4
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'MCMLXXXX') 5
>>> 
1 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XCL?X?X?X? ,接着就匹配到字符串的结尾。MCML表示罗马数字1940.
2 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.
3 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.
4 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.
5 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')             1
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'MMDCLXVI')         2
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'MMMMDCCCLXXXVIII') 3
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'I')                4
<_sre.SRE_Match object at 0x008EEB48>
1 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.
2 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.
3 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。
4 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!
注意
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。