Question

我有一系列书籍标题：

依旧......

我认为如果我以某种方式对标题进行标准化，那么实现一种自动方式来了解每个版本所指的书籍会更容易。

normalised = ''.join([char for char in title 
                       if char in (string.ascii_letters + string.digits)])

或

normalised = ''
for char in title:
  if char in ':/()|':
    break
  normalised += char
return normalised

但显然它们没有按预期工作，因为标题可以包含特殊字符，版本基本上可以有非常不同的标题布局。

非常感谢帮助！谢谢:)）

Answer 1

完全取决于您的数据。对于您给出的示例，一个简单的规范化解决方案可能是：

import re

book_normalized = re.sub(r':.*|\[.*?\]|\(.*?\)|\{.*?\}', '', book_name).strip()

这将返回所有示例的“霍比特人”。它的作用是删除包括第一个冒号后的任何内容，或括号中的任何内容（正常，方形，卷曲）以及前导和尾随空格。

然而，在一般情况下，这不是一个非常好的解决方案，因为有些书籍在实际书名中有冒号或括号部分。例如。系列的名称，后跟冒号，后跟系列的特定条目的名称。

Answer 2

我建议使用第三方网络服务，例如librarything我相信可以做你想要的，作为起点，请参阅他们的文档：