Python regex

Question

'daki satırın başlangıcını eşleştirmek için^kullanarak, yayın yıllarını Thomson-Reuters Web of Science'dan ISI stili verileri ayıklamaya çalışıyorum.

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

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

findyears() 

Bu: Ben şu regex fonksiyon tanımladıysanız yazıyorum script

PY 2015 

: "Yayın Yılı" için çizgi (bir satırın başında) şöyle Ancak, yanlış pozitif sonuçlar verir, çünkü model verilerde başka bir yerde görünebilir.

Bu nedenle, yalnızca bir satırın başında deseni eşleştirmek istiyorum. Normalde bu amaç için ^ kullanırım, ancak sonuçlarımı eşleştirmek için r'^PY (\d\d\d\d)' başarısız olur. Öte yandan, \n kullanmak istediğimi yapıyor gibi görünüyor, ancak bu benim için daha fazla komplikasyonlara yol açabilir.

Answer 1

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

tutan. Verileriniz yok.

Answer 2

Kullanım re.searchre.M ile:

• ^ - Başlangıç ​​
• (nedeniyle re.M kadar) bir hattın:

  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)) 
  

  IDEONE demo

  AÇIKLAMA Bkz-1 veya daha fazla boşluk

• (\d{4}) - - PY
• \s+ Değişmez Yakalama grup çalışması bunları yapmazsa bana bildirin gereken 4 rakamını

Answer 3

Bu özel durumda, düzenli ifadelerin kullanılmasına gerek yoktur, çünkü aranan dize her zaman 'PY' olur ve satırın başında olması beklenir, dolayısıyla bu iş için string.find kullanılabilir. find işlevi, belirtilen dize veya satırda alt dizenin bulunduğu konumu döndürür, bu nedenle dizenin başında bulunursa, döndürülen değer 0'dır (-1, hiç değilse), örneğin:

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

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

sadece yıl bölünmüş çıkarılabilir faiz, yani .:

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

arasında ise

Belki de iyi bir beyaz boşluk şerit fikir yani .:

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

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

Ve ertesi olabilir