Question

我试图使用正则表达式从引文中提取页码。

以下是我正在使用的测试数据：

期刊名称，卷。 20号，2号;页。 15
期刊名称，卷。 20，第2号：人名（1990-2010）;页。 15
期刊名称，卷。 20，第2号：人名（1990-2010）; pp。 15-20
期刊名称，卷。 20，第2号：人名（1990-2010）;第15页 -
期刊名称，卷。 20号，2号;的 20-25
期刊名称，卷。 20号，2号; ISSN： 1234-1234 （打印）;的 20-25
期刊名称，卷。 20号，2号;的 20-25 ; ISSN： 1234-1234 （打印）
期刊名称，卷。 20号，2号; ISSN： 1234-1234 （打印）; ISSN： 1234-1234 （在线）;的 20-25
期刊名称，卷。 20号，2号; ISSN 1234-1234 （打印）; ISSN 1234-1234 （在线）;的 20-25

使用以下正则表达式时：

(?![^()]*\))(\d+-\d+)

上面以粗体显示的值是匹配的。

我希望改进该正则表达式，使其与“ISSN＆＃39;之后的任何\d+-\d+都不匹配或者＆＃39; ISSN：＆＃39;。我尝试使用(?<![ISSN:?\s])添加后视，但没有成功。

有关如何实现这一点并仅匹配以下值的任何想法？

期刊名称，卷。 20号，2号;页。 15
期刊名称，卷。 20，第2号：人名（1990-2010）;页。 15
期刊名称，卷。 20，第2号：人名（1990-2010）; pp。 15-20
期刊名称，卷。 20，第2号：人名（1990-2010）;第15页 -
期刊名称，卷。 20号，2号;的 20-25
期刊名称，卷。 20号，2号; ISSN：1234-1234（打印）;的 20-25
期刊名称，卷。 20号，2号;的 20-25 ; ISSN：1234-1234（打印）
期刊名称，卷。 20号，2号; ISSN：1234-1234（打印）; ISSN：1234-1234（在线）;的 20-25
期刊名称，卷。 20号，2号; ISSN 1234-1234（打印）; ISSN 1234-1234（在线）;的 20-25

Answer 1

这解决了我的问题：

re.search(r'[^ISN:?](?![^()]*\))\s(\d+-\d+)', s).group(1)

感谢大家的帮助。仍然欢迎更好的解决方案。

Answer 2

您可以使用^和$锚点继续使用其他负面展示：

^((?!ISSN).)*(?![^()]*\))\s(\d+-\d+)$

请注意，如果要在多行文本上应用此正则表达式，则需要使用re.M标志！这使得开始和结束锚点匹配每行的开头和结尾而不是整个字符串！

此外，您需要在第二组\s之前添加s(\d+-\d+)，然后您的正则表达式中的第二场比赛将是所需数字！

Demo

>>> s="""Journal Name, Vol. 20, No. 2; p. 15
... Journal Name, Vol. 20, No. 2: Human Name (1990-2010); p. 15
... Journal Name, Vol. 20, No. 2: Human Name (1990-2010); pp. 15-20
... Journal Name, Vol. 20, No. 2: Human Name (1990-2010); pp. 15-
... Journal Name, Vol. 20, No. 2; 20-25
... Journal Name, Vol. 20, No. 2; ISSN: 1234-1234 (Print); 20-25
... Journal Name, Vol. 20, No. 2; 20-25; ISSN: 1234-1234 (Print)
... Journal Name, Vol. 20, No. 2; ISSN: 1234-1234 (Print); ISSN: 1234-1234 (Online); 20-25
... Journal Name, Vol. 20, No. 2; ISSN 1234-1234 (Print); ISSN 1234-1234 (Online); 20-25"""
>>> 

>>> re.findall(r'^((?!ISSN).)*(?![^()]*\))\s(\d+-\d+)$',s,re.M)
[('.', '15-20'), (';', '20-25')]

获取数字：

>>> [i[-1] for i in re.findall(r'^((?!ISSN).)*(?![^()]*\))\s(\d+-\d+)$',s,re.M)]
['15-20', '20-25']

如何使用Python和正则表达式从引文中提取页码？

2 个答案: