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?$' >>> re.search(pattern, 'MMM')
<_sre.SRE_Match object at 0x008EE090> >>> re.search(pattern, 'MMMM')
>>>
|
|
这个模式匹配串的开始，接着是第一个可选的字符 M，第二第三个 M 字符则被忽略 (这是可行的，因为它们都是可选的)，最后是字符串的结尾。 |
|
|
这个模式匹配串的开始，接着是第一和第二个可选字符 M，而第三个 M 字符被忽略 (这是可行的，因为它们都是可选的)，最后匹配字符串的结尾。 |
|
|
这个模式匹配字符串的开始，接着匹配所有的三个可选字符 M，最后匹配字符串的结尾。 |
|
|
这个模式匹配字符串的开始，接着匹配所有的三个可选字符 M，但是不能够匹配字符串的结尾 (因为还有一个未匹配的字符 M)，因此不能够匹配而返回一个 None。 |
例 7.6. 一个新的方法：从 n 到 m
>>> pattern = '^M{0,3}$'>>>
|
|
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}。 |
|
|
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。 |
 |
|
| 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。 | |
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?)$' >>> re.search(pattern, 'MCMXL')
|
|
这个模式匹配字符串的开始，接着是第一个可选字符 M，接着是 CM，接着 XL，接着是字符串的结尾。请记住，(A|B|C) 这个语法的含义是“精确匹配 A、B 或者 C 其中的一个”。此处匹配了 XL，因此不再匹配 XC 和 L?X?X?X?，接着就匹配到字符串的结尾。MCML 表示罗马数字 1940。 |
|
|
这个模式匹配字符串的开始，接着是第一个可选字符 M，接着是 CM，接着 L?X?X?X?。在模式 L?X?X?X? 中，它匹配 L 字符并且跳过所有可选的 X 字符，接着匹配字符串的结尾。MCML 表示罗马数字 1950。 |
|
|
这个模式匹配字符串的开始，接着是第一个可选字符 M，接着是 CM，接着是可选的 L 字符和可选的第一个 X 字符，并且跳过第二第三个可选的 X 字符，接着是字符串的结尾。MCMLX 表示罗马数字 1960。 |
|
|
这个模式匹配字符串的开始，接着是第一个可选字符 M，接着是 CM，接着是可选的 L 字符和所有的三个可选的 X 字符，接着匹配字符串的结尾。MCMLXXX 表示罗马数字 1980。 |
|
|
这个模式匹配字符串的开始，接着是第一个可选字符M，接着是CM，接着是可选的 L字符和所有的三个可选的X字符，接着就未能匹配 字符串的结尾ie，因为还有一个未匹配的X 字符。所以整个模式匹配失败并返回一个 None. MCMLXXXX 不是一个有效的罗马数字。 |
对于个位数的正则表达式有类似的表达方式，我将省略细节，直接展示结果。
>>> pattern = '^M?M?M?(CM|CD|D?C?C?C?)(XC|XL|L?X?X?X?)(IX|IV|V?I?I?I?)$'
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')
|
|
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。 |
|
|
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。 |
|
|
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。 |
|
|
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。