Regex для извлечения названий колледжей, университетов и институтов?

Question

У меня есть несколько таких строк в файле:

M.S., Arizona University, Tucson, Az., 1957
B.A., American International College, Springfield, Mass., 1978
B.A., American University, Washington, D.C., 1985

, и я хотел бы извлечь Университет Тафтса, Американский международный колледж, Американский университет, Университет Массачусетса и т. Д., Но несредние школы (вероятно, можно предположить, что если в нем есть «Академия» или «Средняя школа», то это средняя школа).Есть идеи?

Answer 1

Протестировано с preg_match_all в PHP, будет работать для предоставленного вами образца текста:

 /(?<=,)[\w\s]*(College|University|Institute)[^,\d]*(?=,|\d)/

Необходимо будет несколько изменить, если ваш движок регулярных выражений не поддерживает lookaheads / lookbehinds.1006 *

Обновление: я посмотрел на ваш связанный образец текста и соответственно обновил регулярное выражение

 /([A-Z][^\s,.]+[.]?\s[(]?)*(College|University|Institute|Law School|School of|Academy)[^,\d]*(?=,|\d)/

Первая часть будет соответствовать строке, начинающейся с заглавной буквы, за которой может следовать ..Затем пробел, затем, необязательно, (.Этому шаблону соответствует ноль или более раз.

Это должно получить все релевантные слова, предшествующие ключевым словам.