在Python正则表达式中使用^匹配行的开头

Question

我试图从汤姆森路透Web of Science中提取ISI风格的出版年份数据。 "出版年份"这一行看起来像这样（位于一行的最开头）：

PY 2015

我正在编写的脚本中，我定义了以下的正则表达式函数：

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

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

findyears()

然而，这会导致误报，因为该模式可能出现在数据的其他位置。

所以，我想只匹配行首的模式。通常情况下我会使用^来达到这个目的，但是r'^PY (\d\d\d\d)'没有匹配到我的结果。另一方面，使用\n似乎可以实现我想要的效果，但这可能会给我带来进一步的复杂性。

- chrisk

---

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

Answer 1

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

应该能够正常工作

- sinhayash

---

为什么要使用flags=re.MULTILINE？没有它的话，就无法正常工作。 - undefined

Answer 2

您可以在模式的开头简单地添加(?m) 内联修饰符标志：

(?m)^PY\s+(\d{4})
^^^^

不要与 (?s) 混淆！ (?s) 是一个DOTALL内联标志，使. 匹配包括换行符在内的任何字符。

或者，您可以使用re.M 或 re.MULTILINE选项来进行re.search：

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)) 

请参见IDEONE演示.

- Wiktor Stribiżew

---

是的，这也应该可以工作。我错过的是re.M或re.MULTILINE标志，我不知道它会影响^符号。 - chrisk

实际上，re.M 的唯一功能就是强制 ^ 和 $ 分别在行的开头和结尾（\n 之前）匹配。 - Wiktor Stribiżew

Answer 3

在这种情况下，不需要使用正则表达式，因为搜索的字符串始终为“PY”，并且预计在行的开头，因此可以使用string.find来完成此任务。 find函数返回给定字符串或行中找到子字符串的位置，因此如果在字符串开头找到它，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

也许去掉空格会是一个不错的主意，即：

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进行提取，即：

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

- mac13k