使用 ^ 匹配 Python 正则表达式中的行首答案

【问题标题】：Using ^ to match beginning of line in Python regex使用 ^ 匹配 Python 正则表达式中的行首
【发布时间】：2015-07-14 07:30:17
【问题描述】：

我正在尝试从 Thomson-Reuters Web of Science 中提取出版年 ISI 风格的数据。 “出版年”这一行看起来像这样（在一行的开头）：

PY 2015

对于我正在编写的脚本，我定义了以下正则表达式函数：

import re
f = open('savedrecs.txt')
wosrecords = f.read()

def findyears():
    result = re.findall(r'PY (\d\d\d\d)', wosrecords)
    print result

findyears()

但是，这会产生误报结果，因为该模式可能出现在数据的其他地方。

所以，我只想匹配一行开头的模式。通常我会为此使用^，但r'^PY (\d\d\d\d)' 无法匹配我的结果。另一方面，使用\n 似乎可以满足我的要求，但这可能会给我带来更多麻烦。

【问题讨论】：

使用re.MULTILINE改变^的语义：re.findall(r'^PY (\d\d\d\d)', wosrecords, re.MULTILINE)

标签： python regex

【解决方案1】：

re.findall(r'^PY (\d\d\d\d)', wosrecords, flags=re.MULTILINE)

应该工作

【讨论】：

【解决方案2】：

将re.search 与re.M 一起使用：

import re
p = re.compile(r'^PY\s+(\d{4})', re.M)
test_str = "PY123\nPY 2015\nPY 2017"
print(re.findall(p, test_str))

见IDEONE demo

解释：

^ - 一行的开始（由于re.M）
PY - 文字 PY
\s+ - 1 个或多个空格
(\d{4}) - 捕获组持有 4 个数字

【讨论】：

是的，这也应该可以。我错过的是 re.M 或 re.MULTILINE 标志，我不知道这会影响 ^。
其实re.M的唯一作用就是：强制^和$分别匹配行首和行尾（\n之前）。跨度>

【解决方案3】：

在这种特殊情况下，不需要使用正则表达式，因为搜索到的字符串始终是 'PY' 并且应该在行首，所以可以使用string.find 来完成这项工作。 find 函数返回子字符串在给定字符串或行中找到的位置，因此如果在字符串的开头找到它，则返回值为0（如果根本没有找到则返回-1），即：

In [12]: 'PY 2015'.find('PY')
Out[12]: 0

In [13]: ' PY 2015'.find('PY')
Out[13]: 1

也许去掉空格是个好主意，例如：

In [14]: '  PY 2015'.find('PY')
Out[14]: 2

In [15]: '  PY 2015'.strip().find('PY')
Out[15]: 0

接下来，如果只对年份感兴趣，则可以使用 split 提取它，即：

In [16]: '  PY 2015'.strip().split()[1]
Out[16]: '2015'

【讨论】：