Question

我试图通过文档中的引用来迭代删除第2，第3 ......第n位作者，其中引用的形式（在一些清理步骤之后）

Straat，Ark，Sijtsma 2013,75-99。

Nardulli，Peyton，Bajjalieh 2013,139-192。

我的策略是，引用表格AUTHOR1 ... AUTHORn-1 AUTHORn YEAR：

1）匹配AUTHORn-1 AUTHORn YEAR，

2）使用组替换，将匹配的子字符串替换为AUTHORn-1 YEAR，以便整体引用变为AUTHOR1 ... AUTHORn-1 YEAR。

3）然后循环再做一遍，直到剩下的都是AUTHOR1 YEAR。我在这里进行了十次迭代，因为我知道没有超过十人的多作者引用。

我的代码如下：

def multiAuthor(citestring):
    longcite = r'([\s(][A-Z1][A-Za-z1]*-?[A-Za-z1]*),[\s(][A-Z1][A-Za-z1]*-?[A-Za-z1]*[ ,]?( \(?\d\d\d\d[a-z]?[\s.,)])'
    for x in range(0, 10):
        newstring = re.sub(longcite, '\g<1>\g<2>', citestring)
    return(newstring)

这是在由换行符分隔的一串脚注上调用的，它适用于第一次迭代。对于上面给出的两个示例匹配，它会正确返回：

Straat，Ark 2013,75-99。

Nardulli，Peyton 2013,139-192。

但是那就是它。它不能在第一个循环之外的任何循环上成功执行替换，因此无法剥离第二个作者。

我一直在使用regex101进行调试，但我正式感到难过。表达式的第一次迭代：https://www.regex101.com/r/jM2fF4/3 ---然后在运行替换后，第二个循环上的正则表达式也匹配，并且应该再次替换：https://regex101.com/r/fZ1pX7/4

所以我觉得我的正则表达式是正确的。我只是遗漏了一些愚蠢而明显的东西吗？（我对python-land很新，但是我已经对我的循环语法进行了双重和三重检查，我认为这是正确的。）

使用python 3。

如果你想为自己看到它的实际效果，我还在这里放了一个最小的可运行的例子（用空格代替换行，但没有差异）：https://github.com/paultopia/stray-cites/blob/master/minimal-test.py

拯救我，StackObi Wan，你是我唯一的希望......？

编辑：我确实错过了一些明显的东西，请看下面我的自我回答;把它留下来因为它可能是一个常见的oopsie。

Answer 1

这是你想要的吗？

([^,]*).*?([0-9].*?)\.\s*

查看regex101上的分叉。

([^,]*)最多匹配,（逗号）
.*?忽略了很久......
([0-9].*?)\. matches a digit up to。`（dot）
\s*匹配此

然后，在替换中：

`\1 \2`

这是上面的第一个和第二个匹配 - 分别是名称和页码/年。

Answer 2

我是个白痴。每次我在stackoverflow上发帖，我都会关掉电脑然后走开，五分钟后，答案就出现了。

循环不起作用，因为在每次迭代时，它都会在原始字符串上找到匹配，而不是在前一个循环操作的字符串上找到匹配。正确的代码：

def multiAuthor(citestring):
    longcite = r'([\s(][A-Z1][A-Za-z1]*-?[A-Za-z1]*),[\s(][A-Z1][A-Za-z1]*-?[A-Za-z1]*[ ,]?( \(?\d\d\d\d[a-z]?[\s.,)])'
    for x in range(0, 10):
        citestring = re.sub(longcite, '\g<1>\g<2>', citestring)
    return(citestring)

循环正则表达式替换python中的字符串 - 缺少明显的

2 个答案: