регулярное выражение для устранения поля в файле bibtex - PullRequest
Новая
       22

регулярное выражение для устранения поля в файле bibtex

4 голосов
/ 24 августа 2010

Я пытаюсь уменьшить объем нагруженных текстовых файлов, которые я получаю от моего менеджера ссылок, потому что он оставляет дополнительные поля, которые в конечном итоге искажаются, когда я помещаю его в LaTeX.

Характерная запись, которую я хочу очиститьup: 

@Article{Kholmurodov:2001p113,
author = {K Kholmurodov and I Puzynin and W Smith and K Yasuoka and T Ebisuzaki}, 
journal = {Computer Physics Communications},
title = {MD simulation of cluster-surface impacts for metallic phases: soft landing, droplet spreading and implantation},
abstract = {Lots of text here.  Even more text.},
affiliation = {RIKEN, Inst Phys {\&} Chem Res, Computat Sci Div, Adv Comp Ctr, Wako, Saitama 3510198, Japan},
number = {1},
pages = {1--16},
volume = {141},
year = {2001},
month = {Dec},
language = {English},
keywords = {Ethane, molecular dynamics, Clusters, Dl_Poly Code, solid surface, metal, Hydrocarbon Thin-Films, Adsorption, impact, Impact Processes, solid surface, Molecular Dynamics Simulation, Large Systems, DL_POLY, Beam Deposition, Package, Collision-Induced Desorption, Diamond Films, Vapor-Deposition, Transition-Metals, Molecular-Dynamics Simulation}, 
date-added = {2008-06-27 08:58:25 -0500},
date-modified = {2009-03-24 15:40:27 -0500},
pmid = {000172275000001},
local-url = {file://localhost/User/user/Papers/2001/Kholmurodov/Kholmurodov-MD%20simulation%20of%20cluster-surface%20impacts-2001.pdf},
uri = {papers://B08E511A-2FA9-45A0-8612-FA821DF82090/Paper/p113},
read = {Yes},
rating = {0}
}

Я хотел бы исключить такие поля, как месяц, аннотация, ключевые слова и т. д., некоторые из которых состоят из одной строки, а некоторые из нескольких строк.

Я дал ему попытку в Python, и вот так: 

fOpen = open(f,'r')
start_text = fOpen.read()
fOpen.close()

# regex
out_text = re.sub(r'^(month).*,\n','',start_text)
out_text = re.sub(r'^(annote)((.|\n)*?)\},\n','',out_text)
out_text = re.sub(r'^(note)((.|\n)*?)\},\n','',out_text)
out_text = re.sub(r'^(abstract)((.|\n)*?)\},\n','',out_text)

fNew = open(f,'w')
fNew.write(out_text)
fNew.close()

Я попытался запустить эти регулярные выражения в TextMate, чтобы посмотреть, работают ли они, прежде чем дать им попытку в Python, и оникажется, что все в порядке.

Есть предложения?

Спасибо.

1 Ответ

2 голосов
/ 24 августа 2010

Как насчет этого регулярного выражения (применяется с многострочными и точечными флагами): 

^(?:month|annote|note|abstract)\s*=\s*\{(?:(?!\},$).)*\},[\r\n]+

Пояснение: 

^                             # start-of-line
(?:                           # non-capturing group 1
  month|annote|note|abstract  #   one of these terms
)                             # end non-capturing group 1
\s*=\s*                       # whitespace, an equals sign, whitespace
\{                            # a literal curly brace
(?:                           # non-capturing group 2
  (?!                         #   negative look-ahead (if not followed by...)
    \},$                      #     a curly brace, a comma and the end-of-line
  )                           #   end negative look-ahead
  .                           #   ...then match next character, whatever it is
)*                            # end non-capturing group 2, repeat
\},                           # a literal curly brace and a comma
[\r\n]+                       # at least one end-of-line character

Это единственное выражение сортирует все затронутые строки за один шаг.

РЕДАКТИРОВАНИЕ / ПРЕДУПРЕЖДЕНИЕ: Обратите внимание, что этот будет терпеть неудачу, как только произойдет следующее: 

affiliation = {RIKEN, Inst Phys {\&},
Computat Sci Div, Adv Comp Ctr, Wako, Saitama 3510198, Japan},

Вложенные структуры не могут обрабатываться регулярными выражениями. Никакое чистое решение регулярных выражений не может быть правильным во всех случаях в этом контексте, лучшее, что вы можете получить, - это хорошее приближение.

Вопрос в том, уверены ли вы, что вы на 100% уверены, что описанная выше ситуация не может возникнуть (и я не думаю, что это возможно), или если вы готовы пойти на риск. Если вы не совсем уверены, что это не будет проблемой - используйте или напишите парсер.

...