在上一节中，您处理了一个模式，其中同一个字符可以重复最多三次。在正则表达式中还有另一种表达方式，有些人认为这种方式更易读。首先看看我们在前面的例子中已经使用过的方法。
例 7.5. 旧方法: 每个字符都是可选的
>>> 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?$' >>> re.search(pattern, 'MMM')
<_sre.SRE_Match object at 0x008EE090> >>> re.search(pattern, 'MMMM')
>>>
|
|
这将匹配字符串的开头，然后是第一个可选的 M，但不匹配第二个和第三个 M（但这没关系，因为它们是可选的），然后是字符串的结尾。 |
|
|
这将匹配字符串的开头，然后是第一个和第二个可选的 M，但不匹配第三个 M（但这没关系，因为它是可选的），然后是字符串的结尾。 |
|
|
这将匹配字符串的开头，然后是所有三个可选的 M，然后是字符串的结尾。 |
|
|
这将匹配字符串的开头，然后是所有三个可选的 M，但随后不匹配字符串的结尾（因为还有一个未匹配的 M），所以该模式不匹配并返回 None。 |
例 7.6. 新方法: 从 n 到 m
>>> pattern = '^M{0,3}$'>>>
|
|
此模式表示：“匹配字符串的开头，然后是零到三个 M 字符，然后是字符串的结尾。” 0 和 3 可以是任何数字；如果您想匹配至少一个但不多于三个 M 字符，您可以使用 M{1,3}。 |
|
|
这将匹配字符串的开头，然后是三个可能的 M 中的一个，然后是字符串的结尾。 |
|
|
这将匹配字符串的开头，然后是三个可能的 M 中的两个，然后是字符串的结尾。 |
|
|
这将匹配字符串的开头，然后是三个可能的 M 中的三个，然后是字符串的结尾。 |
|
|
这将匹配字符串的开头，然后是三个可能的 M 中的三个，但随后不匹配字符串的结尾。正则表达式只允许在字符串结尾之前最多出现三个 M 字符，但您有四个，所以该模式不匹配并返回 None。 |
 |
|
| 没有办法以编程方式确定两个正则表达式是否等效。您能做的最好的事情就是编写大量的测试用例，以确保它们在所有相关输入上的行为相同。我们将在本书后面详细讨论如何编写测试用例。 | |
现在让我们扩展罗马数字正则表达式，使其涵盖十位和个位。此示例显示了对十位的检查。
例 7.7. 检查十位
>>> pattern = '^M?M?M?M?(CM|CD|D?C?C?C?)(XC|XL|L?X?X?X?)$' >>> re.search(pattern, 'MCMXL')
|
|
这将匹配字符串的开头，然后是第一个可选的 M，然后是 CM，然后是 XL，然后是字符串的结尾。请记住，(A|B|C) 语法表示“精确匹配 A、B 或 C 中的一个”。您匹配了 XL，所以您忽略了 XC 和 L?X?X?X? 选项，然后移至字符串的结尾。 MCMXL 是 1940 的罗马数字表示形式。 |
|
|
这将匹配字符串的开头，然后是第一个可选的 M，然后是 CM，然后是 L?X?X?X?。在 L?X?X?X? 中，它匹配 L 并跳过所有三个可选的 X 字符。然后您移至字符串的结尾。 MCML 是 1950 的罗马数字表示形式。 |
|
|
这将匹配字符串的开头，然后是第一个可选的 M，然后是 CM，然后是可选的 L 和第一个可选的 X，跳过第二个和第三个可选的 X，然后是字符串的结尾。 MCMLX 是 1960 的罗马数字表示形式。 |
|
|
这将匹配字符串的开头，然后是第一个可选的 M，然后是 CM，然后是可选的 L 和所有三个可选的 X 字符，然后是字符串的结尾。 MCMLXXX 是 1980 的罗马数字表示形式。 |
|
|
这将匹配字符串的开头，然后是第一个可选的 M，然后是 CM，然后是可选的 L 和所有三个可选的 X 字符，然后无法匹配字符串的结尾，因为还有一个 X 没有匹配。所以整个模式无法匹配，并返回 None。 MCMLXXXX 不是有效的罗马数字。 |
个位的表达式遵循相同的模式。我将不再赘述，直接向您展示最终结果。
>>> pattern = '^M?M?M?M?(CM|CD|D?C?C?C?)(XC|XL|L?X?X?X?)(IX|IV|V?I?I?I?)$'
那么使用这种备选的 {n,m} 语法是什么样子呢？此示例显示了新语法。
例 7.8. 使用 {n,m} 验证罗马数字
>>> 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')
|
|
这将匹配字符串的开头，然后是四个可能的 M 字符中的一个，然后是 D?C{0,3}。其中，它匹配可选的 D 和三个可能的 C 字符中的零个。继续，它通过匹配可选的 L 和三个可能的 X 字符中的零个来匹配 L?X{0,3}。然后它通过匹配可选的 V 和三个可能的 I 字符中的零个来匹配 V?I{0,3}，最后是字符串的结尾。 MDLV 是 1555 的罗马数字表示形式。 |
|
|
这将匹配字符串的开头，然后是四个可能的 M 字符中的两个，然后是 D?C{0,3}，其中包含一个 D 和三个可能的 C 字符中的一个；然后是 L?X{0,3}，其中包含一个 L 和三个可能的 X 字符中的一个；然后是 V?I{0,3}，其中包含一个 V 和三个可能的 I 字符中的一个；然后是字符串的结尾。 MMDCLXVI 是 2666 的罗马数字表示形式。 |
|
|
这将匹配字符串的开头，然后是四个 M 字符中的四个，然后是 D?C{0,3}，其中包含一个 D 和三个 C 字符中的三个；然后是 L?X{0,3}，其中包含一个 L 和三个 X 字符中的三个；然后是 V?I{0,3}，其中包含一个 V 和三个 I 字符中的三个；然后是字符串的结尾。 MMMMDCCCLXXXVIII 是 3888 的罗马数字表示形式，它是不使用扩展语法可以编写的最长的罗马数字。 |
|
|
仔细看。（我觉得自己像个魔术师。“孩子们，仔细看，我要从帽子里变出一只兔子。”）这将匹配字符串的开头，然后是四个 M 中的零个，然后通过跳过可选的 D 并匹配三个 C 中的零个来匹配 D?C{0,3}，然后通过跳过可选的 L 并匹配三个 X 中的零个来匹配 L?X{0,3}，然后通过跳过可选的 V 并匹配三个 I 中的一个来匹配 V?I{0,3}。然后是字符串的结尾。哇。 |
如果您按照所有这些步骤操作并在第一次尝试时就理解了，那么您做得比我当时好。现在想象一下，在大型程序的关键函数中，试图理解别人的正则表达式。或者甚至想象一下，几个月后回到您自己的正则表达式。我经历过，那可不是什么好事。
在下一节中，您将探索一种可以帮助您保持表达式可维护性的备选语法。