正则表达式——量词一般形式

根据上一章的介绍，可以用字符组[0-9]或者\d匹配单个数字字符。现在用正则表达式来验证更复杂的字符串，比如大陆地区的邮政编码。

粗略来看，邮政编码并没有特殊的规定，只是6位数字构成的字符串，比如201203、100858，所以用正则表达式来表示就是\d\d\d\d\d\d，如例2-1所示，只有同时满足"长度是6个字符"和"每个字符都是数字"两个条件，匹配才成功（同样，这里不能忽略^和$）。

例2-1  匹配邮政编码

re.search(r"^\d\d\d\d\d\d$", "100859") != None      #  => True  
re.search(r"^\d\d\d\d\d\d$", "201203") != None      #  => True  
 
re.search(r"^\d\d\d\d\d\d$", "20A203") != None      #  => False  
re.search(r"^\d\d\d\d\d\d$", "20103") != None       #  => False  
re.search(r"^\d\d\d\d\d\d$", "2012036") != None     #  => False  

虽然这不难理解，但\d重复了6次，读写都不方便。为此，正则表达式提供了量词（quantifier），比如上面匹配邮政编码的表达式，就可以如例2-2那样，简写为\d{6}，它使用阿拉伯数字，更简洁也更直观。

例2-2  使用量词简化字符组

re.search(r"^\d{6}$", "100859") != None         #  => True  
re.search(r"^\d{6}$", "201203") != None         #  => True  
 
re.search(r"^\d{6}$", "20A203") != None         #  => False  
re.search(r"^\d{6}$", "20103") != None          #  => False  
re.search(r"^\d{6}$", "2012036") != None        #  => False 

量词还可以表示不确定的长度，其通用形式是{m,n}，其中m和n是两个数字（有些人习惯在代码中的逗号之后添加空格，这样更好看，但是量词中的逗号之后绝不能有空格），它限定之前的元素 能够出现的次数，m是下限，n是上限（均为闭区间）。比如\d{4,6}，就表示这个数字字符串的长度最短是4个字符（"单个数字字符"至少出现4次），最长是6个字符。

如果不确定长度的上限，也可以省略，只指定下限，写成\d{m,}，比如\d{4,}表示"数字字符串的长度必须在4个字符以上"。

量词限定的出现次数一般都有明确下限，如果没有，则默认为0。有一些语言（比如Ruby）支持{,n}的记法，这时候并不是"不确定长度的下限"，而是省略了"下限为0"的情况，比如\d{,6}表示"数字字符串最多可以有6个字符"。不过，这种用法并不是所有语言中都通用的，比如Java就不支持这种写法，所以必须写明{0,n}。我推荐的做法是：最好使用{0,n}的记法，因为它是广泛支持的。表2-1集中说明了这几种形式的量词，例2-3展示了它们的使用。

表2-1  量词的一般形式

量词	说明
{n}	之前的元素必须出现n次
{m,n}	之前的元素最少出现m次，最多出现n次
{m,}	之前的元素最少出现m次，出现次数无上限
{0,n}	之前的元素可以不出现，也可以出现，最多出现n次（在某些语言中可以写为{,n}）

例2-3  表示不确定长度的量词

re.search(r"^\d{4,6}$", "123") != None      #  => False  
re.search(r"^\d{4,6}$", "1234") != None     #  => True  
re.search(r"^\d{4,6}$", "123456") != None   #  => True  
re.search(r"^\d{4,6}$", "1234567") != None  #  => False  
 
re.search(r"^\d{4,}$", "123") != None       #  => False  
re.search(r"^\d{4,}$", "1234") != None      #  => True  
re.search(r"^\d{4,}$", "123456") != None    #  => True  
 
re.search(r"^\d{0,6}$", "12345") != None    #  => True  
re.search(r"^\d{0,6}$", "123456") != None   #  => True  
re.search(r"^\d{0,6}$", "1234567") != None  #  => False