# 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](roman_numerals.html "7.3. 个案研究:罗马字母"),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,并且能提高代码的可读性。首先看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')
>>>
```
| | |
| --- | --- |
| \[1\] | 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:从 `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')
>>>
```
| | |
| --- | --- |
| \[1\] | 这个模式意思是说:“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。”这里的 0 和 3 可以改成其它任何数字;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_没有匹配上_ 字符串的结尾。正则表达式在字符串结尾之前最多只允许匹配三次 `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等价。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,将更多地讨论如何编写测试样例。
## 7.4.1. 校验十位数和个位数
现在我们来扩展一下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?(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')
>>>
```
| | |
| --- | --- |
| \[1\] | 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`。 |
| \[2\] | 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,它匹配 `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,我将省略细节,直接展示结果。
```
>>> pattern = '^M?M?M?(CM|CD|D?C?C?C?)(XC|XL|L?X?X?X?)(IX|IV|V?I?I?I?)$'
```
用另一种 `{n,m}` 语法表达这个正则表达式会如何呢?这个例子展示新的语法。
## 例 7.8. 用 `{n,m}` 语法确认罗马数字
```
>>> pattern = '^M{0,3}(CM|CD|D?C{0,3})(XC|XL|L?X{0,3})(IX|IV|V?I{0,3})$'
>>> 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>
```
| | |
| --- | --- |
| \[1\] | 这个模式匹配字符串的开始,接着匹配三个可选的 `M` 字符的一个,接着匹配 `D?C{0,3}`,此处,仅仅匹配可选的字符 `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,接着是三个可选的 `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,接着是三个可选的 `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。`MMMDCCCLXXXVIII` 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!(我像一个魔术师一样,“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 3 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` 并匹配三个可选 `I` 字符的一个,最后匹配字符串的结尾。哇赛! |
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,但是它并不是那么有趣。
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。
- 版权信息
- 第 1 章 安装 Python
- 1.1. 哪一种 Python 适合您?
- 1.2. Windows 上的 Python
- 1.3. Mac OS X 上的 Python
- 1.4. Mac OS 9 上的 Python
- 1.5. RedHat Linux 上的 Python
- 1.6. Debian GNU/Linux 上的 Python
- 1.7. 从源代码安装 Python
- 1.8. 使用 Python 的交互 Shell
- 1.9. 小结
- 第 2 章 第一个 Python 程序
- 2.1. 概览
- 2.2. 函数声明
- 2.3. 文档化函数
- 2.4. 万物皆对象
- 2.5. 代码缩进
- 2.6. 测试模块
- 第 3 章 内置数据类型
- 3.1. Dictionary 介绍
- 3.2. List 介绍
- 3.3. Tuple 介绍
- 3.4. 变量声明
- 3.5. 格式化字符串
- 3.6. 映射 list
- 3.7. 连接 list 与分割字符串
- 3.8. 小结
- 第 4 章 自省的威力
- 4.1. 概览
- 4.2. 使用可选参数和命名参数
- 4.3. 使用 type、str、dir 和其它内置函数
- 4.4. 通过 getattr 获取对象引用
- 4.5. 过滤列表
- 4.6. and 和 or 的特殊性质
- 4.7. 使用 lambda 函数
- 4.8. 全部放在一起
- 4.9. 小结
- 第 5 章 对象和面向对象
- 5.1. 概览
- 5.2. 使用 from _module_ import 导入模块
- 5.3. 类的定义
- 5.4. 类的实例化
- 5.5. 探索 UserDict:一个封装类
- 5.6. 专用类方法
- 5.7. 高级专用类方法
- 5.8. 类属性介绍
- 5.9. 私有函数
- 5.10. 小结
- 第 6 章 异常和文件处理
- 6.1. 异常处理
- 6.2. 与文件对象共事
- 6.3. for 循环
- 6.4. 使用 `sys.modules`
- 6.5. 与目录共事
- 6.6. 全部放在一起
- 6.7. 小结
- 第 7 章 正则表达式
- 7.1. 概览
- 7.2. 个案研究:街道地址
- 7.3. 个案研究:罗马字母
- 7.4. 使用 {n,m} 语法
- 7.5. 松散正则表达式
- 7.6. 个案研究:解析电话号码
- 7.7. 小结
- 第 8 章 HTML 处理
- 8.1. 概览
- 8.2. sgmllib.py 介绍
- 8.3. 从 HTML 文档中提取数据
- 8.4. BaseHTMLProcessor.py 介绍
- 8.5. locals 和 globals
- 8.6. 基于 dictionary 的字符串格式化
- 8.7. 给属性值加引号
- 8.8. dialect.py 介绍
- 8.9. 全部放在一起
- 8.10. 小结
- 第 9 章 XML 处理
- 9.1. 概览
- 9.2. 包
- 9.3. XML 解析
- 9.4. Unicode
- 9.5. 搜索元素
- 9.6. 访问元素属性
- 9.7. Segue [9]
- 第 10 章 脚本和流
- 10.1. 抽象输入源
- 10.2. 标准输入、输出和错误
- 10.3. 查询缓冲节点
- 10.4. 查找节点的直接子节点
- 10.5. 根据节点类型创建不同的处理器
- 10.6. 处理命令行参数
- 10.7. 全部放在一起
- 10.8. 小结
- 第 11 章 HTTP Web 服务
- 11.1. 概览
- 11.2. 避免通过 HTTP 重复地获取数据
- 11.3. HTTP 的特性
- 11.4. 调试 HTTP web 服务
- 11.5. 设置 User-Agent
- 11.6. 处理 Last-Modified 和 ETag
- 11.7. 处理重定向
- 11.8. 处理压缩数据
- 11.9. 全部放在一起
- 11.10. 小结
- 第 12 章 SOAP Web 服务
- 12.1. 概览
- 12.2. 安装 SOAP 库
- 12.3. 步入 SOAP
- 12.4. SOAP 网络服务查错
- 12.5. WSDL 介绍
- 12.6. 以 WSDL 进行 SOAP 内省
- 12.7. 搜索 Google
- 12.8. SOAP 网络服务故障排除
- 12.9. 小结
- 第 13 章 单元测试
- 13.1. 罗马数字程序介绍 II
- 13.2. 深入
- 13.3. romantest.py 介绍
- 13.4. 正面测试 (Testing for success)
- 13.5. 负面测试 (Testing for failure)
- 13.6. 完备性检测 (Testing for sanity)
- 第 14 章 测试优先编程
- 14.1. roman.py, 第 1 阶段
- 14.2. roman.py, 第 2 阶段
- 14.3. roman.py, 第 3 阶段
- 14.4. roman.py, 第 4 阶段
- 14.5. roman.py, 第 5 阶段
- 第 15 章 重构
- 15.1. 处理 bugs
- 15.2. 应对需求变化
- 15.3. 重构
- 15.4. 后记
- 15.5. 小结
- 第 16 章 函数编程
- 16.1. 概览
- 16.2. 找到路径
- 16.3. 重识列表过滤
- 16.4. 重识列表映射
- 16.5. 数据中心思想编程
- 16.6. 动态导入模块
- 16.7. 全部放在一起
- 16.8. 小结
- 第 17 章 动态函数
- 17.1. 概览
- 17.2. plural.py, 第 1 阶段
- 17.3. plural.py, 第 2 阶段
- 17.4. plural.py, 第 3 阶段
- 17.5. plural.py, 第 4 阶段
- 17.6. plural.py, 第 5 阶段
- 17.7. plural.py, 第 6 阶段
- 17.8. 小结
- 第 18 章 性能优化
- 18.1. 概览
- 18.2. 使用 timeit 模块
- 18.3. 优化正则表达式
- 18.4. 优化字典查找
- 18.5. 优化列表操作
- 18.6. 优化字符串操作
- 18.7. 小结
- 附录 A. 进一步阅读
- 附录 B. 五分钟回顾
- 附录 C. 技巧和窍门
- 附录 D. 示例清单
- 附录 E. 修订历史
- 附录 F. 关于本书
- 附录 G. GNU Free Documentation License
- G.0. Preamble
- G.1. Applicability and definitions
- G.2. Verbatim copying
- G.3. Copying in quantity
- G.4. Modifications
- G.5. Combining documents
- G.6. Collections of documents
- G.7. Aggregation with independent works
- G.8. Translation
- G.9. Termination
- G.10. Future revisions of this license
- G.11. How to use this License for your documents
- 附录 H. GNU 自由文档协议
- H.0. 序
- H.1. 适用范围和定义
- H.2. 原样复制
- H.3. 大量复制
- H.4. 修改
- H.5. 合并文档
- H.6. 文档合集
- H.7. 独立著作聚集
- H.8. 翻译
- H.9. 终止协议
- H.10. 协议将来的修订
- H.11. 如何为你的文档使用本协议
- 附录 I. Python license
- I.A. History of the software
- I.B. Terms and conditions for accessing or otherwise using Python
- 附录 J. Python 协议
- J.0. 关于译文的声明
- J.A. 软件的历史
- J.B. 使用 Python 的条款和条件