7.4.?使用 {n,m} 語法 · Dive Into Python

# 7.4.?使用 `{n,m}` 語法 * 7.4.1\. 校驗十位數和個位數在[前面的章節](roman_numerals.html "7.3.?個案研究：羅馬字母")，你處理了相同字符可以重復三次的情況。在正則表達式中，有另外一個方式來表達這種情況，并且能提高代碼的可讀性。首先看看我們在前面的例子中使用的方法。 ## 例?7.5.?老方法：每一個字符都是可選的 ``` >>> 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') >>> ``` | | | | --- | --- | | \[1\] | 這個模式匹配串的開始，接著是第一個可選的字符 `M`，第二第三個 `M` 字符則被忽略 (這是可行的，因為它們都是可選的)，最后是字符串的結尾。 | | \[2\] | 這個模式匹配串的開始，接著是第一和第二個可選字符 `M`，而第三個 `M` 字符被忽略 (這是可行的，因為它們都是可選的)，最后匹配字符串的結尾。 | | \[3\] | 這個模式匹配字符串的開始，接著匹配所有的三個可選字符 `M`，最后匹配字符串的結尾。 | | \[4\] | 這個模式匹配字符串的開始，接著匹配所有的三個可選字符 `M`，但是不能夠匹配字符串的結尾 (因為還有一個未匹配的字符 `M`)，因此不能夠匹配而返回一個 `None`。 | ## 例?7.6.?一個新的方法：從 `n` 到 `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') >>> ``` | | | | --- | --- | | \[1\] | 這個模式意思是說：“匹配字符串的開始，接著匹配 0 到 3 個 `M` 字符，然后匹配字符串的結尾。”這里的 0 和 3 可以改成其它任何數字；如果你想要匹配至少 1 次，至多 3 次字符 `M`，則可以寫成 `M{1,3}`。 | | \[2\] | 這個模式匹配字符串的開始，接著匹配三個可選 `M` 字符中的一個，最后是字符串的結尾。 | | \[3\] | 這個模式匹配字符串的開始，接著匹配三個可選 `M` 字符中的兩個，最后是字符串的結尾。 | | \[4\] | 這個模式匹配字符串的開始，接著匹配三個可選 `M` 字符中的三個，最后是字符串的結尾。 | | \[5\] | 這個模式匹配字符串的開始，接著匹配三個可選 `M` 字符中的三個，但是_沒有匹配上_ 字符串的結尾。正則表達式在字符串結尾之前最多只允許匹配三次 `M` 字符，但是實際上有四個 `M` 字符，因此模式沒有匹配上這個字符串，返回一個 `None`。 | > 注意 > 沒有一個輕松的方法來確定兩個正則表達式是否等價。你能采用的最好的辦法就是列出很多的測試樣例，確定這兩個正則表達式對所有的相關輸入都有相同的輸出。在本書后面的章節，將更多地討論如何編寫測試樣例。 ## 7.4.1.?校驗十位數和個位數現在我們來擴展一下關于羅馬數字的正則表達式，以匹配十位數和個位數，下面的例子展示十位數的校驗方法。 ## 例?7.7.?校驗十位數 ``` >>> pattern = '^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') >>> ``` | | | | --- | --- | | \[1\] | 這個模式匹配字符串的開始，接著是第一個可選字符 `M`，接著是 `CM`，接著 `XL`，接著是字符串的結尾。請記住，`(A|B|C)` 這個語法的含義是“精確匹配 A、B 或者 C 其中的一個”。此處匹配了 `XL`，因此不再匹配 `XC` 和 `L?X?X?X?`，接著就匹配到字符串的結尾。`MCML` 表示羅馬數字 `1940`。 | | \[2\] | 這個模式匹配字符串的開始，接著是第一個可選字符 `M`，接著是 `CM`，接著 `L?X?X?X?`。在模式 `L?X?X?X?` 中，它匹配 `L` 字符并且跳過所有可選的 `X` 字符，接著匹配字符串的結尾。`MCML` 表示羅馬數字 `1950`。 | | \[3\] | 這個模式匹配字符串的開始，接著是第一個可選字符 `M`，接著是 `CM`，接著是可選的 `L` 字符和可選的第一個 `X` 字符，并且跳過第二第三個可選的 `X` 字符，接著是字符串的結尾。`MCMLX` 表示羅馬數字 `1960`。 | | \[4\] | 這個模式匹配字符串的開始，接著是第一個可選字符 `M`，接著是 `CM`，接著是可選的 `L` 字符和所有的三個可選的 `X` 字符，接著匹配字符串的結尾。`MCMLXXX` 表示羅馬數字 `1980`。 | | \[5\] | 這個模式匹配字符串的開始，接著是第一個可選字符`M`，接著是`CM`，接著是可選的 `L`字符和所有的三個可選的`X`字符，接著就_未能匹配_ 字符串的結尾ie，因為還有一個未匹配的`X` 字符。所以整個模式匹配失敗并返回一個 `None`. `MCMLXXXX` 不是一個有效的羅馬數字。 | 對于個位數的正則表達式有類似的表達方式，我將省略細節，直接展示結果。 ``` >>> pattern = '^M?M?M?(CM|CD|D?C?C?C?)(XC|XL|L?X?X?X?)(IX|IV|V?I?I?I?)$' ``` 用另一種 `{n,m}` 語法表達這個正則表達式會如何呢？這個例子展示新的語法。 ## 例?7.8.?用 `{n,m}` 語法確認羅馬數字 ``` >>> pattern = '^M{0,3}(CM|CD|D?C{0,3})(XC|XL|L?X{0,3})(IX|IV|V?I{0,3})$' >>> re.search(pattern, 'MDLV') <_sre.SRE_Match object at 0x008EEB48> >>> re.search(pattern, 'MMDCLXVI') <_sre.SRE_Match object at 0x008EEB48> >>> re.search(pattern, 'MMMDCCCLXXXVIII') <_sre.SRE_Match object at 0x008EEB48> >>> re.search(pattern, 'I') <_sre.SRE_Match object at 0x008EEB48> ``` | | | | --- | --- | | \[1\] | 這個模式匹配字符串的開始，接著匹配三個可選的 `M` 字符的一個，接著匹配 `D?C{0,3}`，此處，僅僅匹配可選的字符 `D` 和 0 個可選字符 `C`。繼續向前匹配，匹配 `L?X{0,3}`，此處，匹配可選的 `L` 字符和 0 個可選字符 `X`，接著匹配 `V?I{0,3}`，此處，匹配可選的 V 和 0 個可選字符 `I`，最后匹配字符串的結尾。`MDLV` 表示羅馬數字 `1555`。 | | \[2\] | 這個模式匹配字符串的開始，接著是三個可選的 `M` 字符的兩個，接著匹配 `D?C{0,3}`，此處為一個字符 `D` 和三個可選 `C` 字符中的一個，接著匹配 `L?X{0,3}`，此處為一個 `L` 字符和三個可選 `X` 字符中的一個，接著匹配 `V?I{0,3}`，此處為一個字符 `V` 和三個可選 `I` 字符中的一個，接著匹配字符串的結尾。`MMDCLXVI` 表示羅馬數字 `2666`。 | | \[3\] | 這個模式匹配字符串的開始，接著是三個可選的 `M` 字符的所有字符，接著匹配 `D?C{0,3}`，此處為一個字符 `D` 和三個可選 `C` 字符中所有字符，接著匹配 `L?X{0,3}`，此處為一個 `L` 字符和三個可選 `X` 字符中所有字符，接著匹配 `V?I{0,3}`，此處為一個字符 `V` 和三個可選 `I` 字符中所有字符，接著匹配字符串的結尾。`MMMDCCCLXXXVIII` 表示羅馬數字`3888`，這個數字是不用擴展語法可以寫出的最大的羅馬數字。 | | \[4\] | 仔細看哪！(我像一個魔術師一樣，“看仔細嘍，孩子們，我將要從我的帽子中拽出一只兔子來啦！”) 這個模式匹配字符串的開始，接著匹配 3 個可選 `M` 字符的 0 個，接著匹配 `D?C{0,3}`，此處，跳過可選字符 `D` 并匹配三個可選 `C` 字符的 0 個，接著匹配 `L?X{0,3}`，此處，跳過可選字符 `L` 并匹配三個可選 `X` 字符的 0 個，接著匹配 `V?I{0,3}`，此處跳過可選字符 `V` 并匹配三個可選 `I` 字符的一個，最后匹配字符串的結尾。哇賽！ | 如果你在第一遍就跟上并理解了所講的這些，那么你做的比我還要好。現在，你可以嘗試著理解別人大規模程序里關鍵函數中的正則表達式了。或者想象著幾個月后回頭理解你自己的正則表達式。我曾經做過這樣的事情，但是它并不是那么有趣。在下一節里，你將會研究另外一種正則表達式語法，它可以使你的表達式具有更好的可維持性。