RegEx для сбора научных цитат - PullRequest
Новая
       37

RegEx для сбора научных цитат

2 голосов
/ 26 мая 2019

Я пытаюсь заключить в скобки текст, в котором есть хотя бы одна цифра (например, цитаты).Теперь это мое регулярное выражение, и оно отлично работает: https://regex101.com/r/oOHPvO/5

\((?=.*\d).+?\)

Поэтому я хотел, чтобы он захватил (Author 2000) и (2000), но не (Author).

Япытаясь использовать python для захвата всех этих скобок, но в python он также захватывает текст в скобках, даже если у них нет цифр.

import re

with open('text.txt') as f:
    f = f.read()

s = "\((?=.*\d).*?\)"

citations = re.findall(s, f)

citations = list(set(citations))

for c in citations:
    print (c)

Есть идеи, что я делаю не так?

Ответы [ 2 ]

1 голос
/ 26 мая 2019

Вы можете использовать 

re.findall(r'\([^()\d]*\d[^()]*\)', s)

См. Демоверсию regex

Подробности

  • \(- a ( char
  • [^()\d]* - 0 или более символов, отличных от (, ) и цифры
  • \d - цифры
  • [^()]* - 0 или более символов, кроме (, )
  • \) - ) char.

См. График регулярных выражений :

enter image description here

Python demo : 

import re
rx = re.compile(r"\([^()\d]*\d[^()]*\)")
s = "Some (Author) and (Author 2000)"
print(rx.findall(s)) # => ['(Author 2000)']

Чтобы получить результаты без скобок, добавьтегруппа захвата: 

rx = re.compile(r"\(([^()\d]*\d[^()]*)\)")
                    ^                ^

См. эту демонстрацию Python .

1 голос
/ 26 мая 2019

Наиболее надежным способом обработки этого выражения может быть добавление границ по мере того, как ваше выражение, вероятно, будет расти. Например, мы можем попытаться создать списки символов, в которых мы хотим собрать нужные данные: 

(?=\().([a-z]+)([\s,;]+?)([0-9]+)(?=\)).

DEMO

Тест 

# coding=utf8
# the above tag defines encoding for this document and is for Python 2.x compatibility

import re

regex = r"(?=\().([a-z]+)([\s,;]+?)([0-9]+)(?=\))."

test_str = "some text we wish before (Author) some text we wish after (Author 2000) some text we wish before (Author) some text we wish after (Author, 2000) some text we wish before (Author) some text we wish after (Author 2000) some text we wish before (Author) some text we wish after (Author; 2000)"

matches = re.finditer(regex, test_str, re.MULTILINE | re.IGNORECASE)

for matchNum, match in enumerate(matches, start=1):

    print ("Match {matchNum} was found at {start}-{end}: {match}".format(matchNum = matchNum, start = match.start(), end = match.end(), match = match.group()))

    for groupNum in range(0, len(match.groups())):
        groupNum = groupNum + 1

        print ("Group {groupNum} found at {start}-{end}: {group}".format(groupNum = groupNum, start = match.start(groupNum), end = match.end(groupNum), group = match.group(groupNum)))

# Note: for Python 2.7 compatibility, use ur"" to prefix the regex and u"" to prefix the test string and substitution.

Демо 

const regex = /(?=\().([a-z]+)([\s,;]+?)([0-9]+)(?=\))./mgi;
const str = `some text we wish before (Author) some text we wish after (Author 2000) some text we wish before (Author) some text we wish after (Author, 2000) some text we wish before (Author) some text we wish after (Author 2000) some text we wish before (Author) some text we wish after (Author; 2000)`;
let m;

while ((m = regex.exec(str)) !== null) {
    // This is necessary to avoid infinite loops with zero-width matches
    if (m.index === regex.lastIndex) {
        regex.lastIndex++;
    }
    
    // The result can be accessed through the `m`-variable.
    m.forEach((match, groupIndex) => {
        console.log(`Found match, group ${groupIndex}: ${match}`);
    });
}

RegEx Circuit

jex.im визуализирует регулярные выражения:

enter image description here

...