正则表达式：“之间”：和空格

Question

我知道这里有一些类似“组合2正则表达式”的帖子，但我已经尝试了解决方案并且不断出错。

我有正则表达式来解析描述，例如：

Org Biomol Chem. 2011 May 7;9(9):3549-59. doi: 10.1039/c1ob05128h. Epub 2011 Mar 28.

提取DOI（数字对象标识符）：

1. ([^:]+$) - ＆gt; 10.1039 / c1ob05128h。 Epub 2011年3月28日。
2. ([^\s]+) - ＆gt; 10.1039 / c1ob05128h。

但是如何将这些结合起来却很无能为力。如果这很困难，那么没有必要，但会简化我的计算。

我也无法弄清楚如何摆脱最后的“。”这不是DOI字符串的一部分（对于记录，DOI中可能有超过2个句号，因此正则表达式不能简单地“在第二次完整停止后”）。

要求的其他一些例子：

Chem Soc Rev. 2008 Nov;37(11):2413-21. doi: 10.1039/b719548f. Epub 2008 Sep 16.
Small. 2010 Dec 20;6(24):2796-820. doi: 10.1002/smll.201001881. Review.
Org Lett. 2010 Oct 1;12(19):4248-51. doi: 10.1021/ol101920b.
Chemistry. 2010 Dec 27;16(48):14285-9. doi: 10.1002/chem.201002111. No abstract available. 

到目前为止我所做的所有尝试都给出了与此相同的结果：



Dukeling建议“doi :( [^ \ s] +）。？（[^：] +）。？”的一些例外，原因不明，是：

• Chem Commun（Camb）。 2012年12月25日; 48（99）：12094-6。 doi：10.1039 / c2cc35588d。
• Org Biomol Chem。 2013年1月7日; 11（1）：27-30。 doi：10.1039 / c2ob26587g。
• Chem Commun（Camb）。 2013年1月25日; 49（7）：671-3。 doi：10.1039 / c2cc37953h。
• Org Lett。 2010年10月1日; 12（19）：4248-51。 doi：10.1021 / ol101920b.Chemistry。 2010年7月26日; 16（28）：8537-44。 doi：10.1002 / chem.201000773。
• Chem Commun（Camb）。 2012年12月25日; 48（99）：12094-6。 doi：10.1039 / c2cc35588d。
• Org Biomol Chem。 2013年1月7日; 11（1）：27-30。 doi：10.1039 / c2ob26587g。
• Chem Commun（Camb）。 2013年1月25日; 49（7）：671-3。 doi：10.1039 / c2cc37953h。
• Org Lett。 2010年10月1日; 12（19）：4248-51。 doi：10.1021 / ol101920b。
• 化学。 2010年7月26日; 16（28）：8537-44。 doi：10.1002 / chem.201000773。

Answer 1

如果你只想让.消失，这似乎有效：

"doi: ([^\s]+)\."

所以我们只是将.放在括号之外，因此它不会与字符串组合在一起。

如果要在2个单独的字符串中提取10.1039/c1ob05128h和Epub 2011 Mar 28，可以使用groups执行此操作。你可以使正则表达式像：

"doi: ([^\s]+)\.(?: ([^:]+)\.)?"

鉴于第二部分似乎是可选的，我们需要用括号括起来，我们将?标记为可选（并且?:使其成为非捕获组，所以你不要不会在你的第二个细胞中得到它而不是你想要的东西。

Google似乎会自动将=CONTINUE(..., 1, 2)填入下一个单元格，从而为您提供彼此相邻的两个组合。

追求.的可选

首先我尝试说\.?，但显然[^\s]+会消耗.（这是不合适的）。

因此，您需要在括号内包含一些内容以防止这种情况发生。具体来说，您需要检查最后一个字符并确保它不是.。

这导致我：

"doi: ([^\s]*[^.\s])\.?(?: ([^:]*[^.:])\.?)?"

这允许使用可选的.，但如果最后有.个，那么它将无效。假设我们在输出中不需要这些，可以通过将\.?更改为\.*来轻松修复。

"doi: ([^\s]*[^.\s])\.*(?: ([^:]*[^.:])\.*)?"

Answer 2

=REGEXEXTRACT(cell;"doi: ([.\d]+\/[\w\.]+)\.(?: |$)")

- ＆GT;它提取10.1039 / c1ob05128h
无需组合正则表达式，可以立即完成。

我在所有示例中都尝试过它，但它确实有用。

Answer 3

我相信这可能会成功：

/doi: ((\S+)(?:\. .+)?)\.$/

最外面的组（捕获较长的字符串）是捕获组1，最里面的组是捕获组2.