• 7.4.1. 校验十位数和个位数

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?$'
>>> re.search(pattern, 'M')    
<_sre.SRE_Match object at 0x008EE090>
>>> pattern = '^M?M?M?$'
>>> 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：From n to 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') 
>>> 

	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}。
	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.

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')    
<_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') 
>>> 

	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，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.
	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')             
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'MMDCLXVI')         
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'MMMMDCCCLXXXVIII') 
<_sre.SRE_Match object at 0x008EEB48>
>>> re.search(pattern, 'I')                
<_sre.SRE_Match object at 0x008EEB48>

	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.
	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.
	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。
	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！

	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。