Question

现在我正在编写一个python脚本来解析当有人突出显示，记笔记或书签时由点燃生成的My Clippings文件。我正在使用正则表达式从文件中收集数据，然后我计划将其存储在sqlite数据库中。但是现在，我无法匹配包含书名和可能是作者的行。

这条线有三种可能性。它们的格式可以是：

Title (Last, First)
Title (Author)
Title

我想要的是正则表达式捕获标题，如果它存在则在结束括号中的任何内容，否则捕获空白字符串。例如，我希望这里的正则表达式给我结果：

('Title', 'Last, First')
('Title', 'Author')
('Title', '')

现在我设法做了一个捕获括号的正则表达式，但没有没有作者的标题。这就是我现在所拥有的：

(.+) (?:\((.+)\)(?:\n|\Z))*

唯一的问题是它要求该行以作者结束，如果我给它一个接受空字符串的选项，它会发现整行是没有作者的标题。即。

('Title (Last, First)', '')
('Title (Author)', '')
('Title', '')

Answer 1

如果您尝试逐行匹配，则可以使用此正则表达式：

^(.+?)(?: \((.+)\))?$

我添加了行锚点和行尾锚点的开头，然后将空间放在第一个非捕获组中，以便可以捕获没有任何其他细节的标题。我将*运算符更改为?，因为我认为您不会有多对括号。如果您认为自己确实有更多，请进行更改。

我删除了第二个非捕获组，因为行结束锚将确保它是该行的结尾。

演示here。

Answer 2

这是我的版本，与Jerry非常相似，但也许更安全一点：

(\w+?)(?:\s?\(([\w,\s]*)\))?$

这包括一些案例，例如缩进，在括号前缺少空格以及空括号。

以下是演示：http://www.rubular.com/r/8C1pireOwV

Answer 3

使用如下文件：

Title (Last, First)
Title (Author)
Title 
Title ()
    Title ()
The Title (Bob, Jones)

以下内容：

import re
matches = []
with open('file.txt') as f:
    for line in f:
        matches.append(re.match(r'^\s*([\w\s]+) \(?(.*?)\)?$',line).groups())

for m in matches:
    print m
('Title', 'Last, First')
('Title', 'Author')
('Title', '')
('Title', '')
('Title', '')
('The Title', 'Bob, Jones')
>>>

将产生您想要的结果。

使用正则表达式捕获括号中的文本（如果存在）

3 个答案: