Question

使用更合适的示例字符串更新了问题

有这样的字符串：

Name I, Some-Thing A, More BC (2016) Example: A string title. Publication. 12:123-54
Name I, Some-Thing A, More BC, et al. (2016) Example: A string title? Publication. 12:123-54
Name I, Some-Thing A, More BC: Example: A string title. Publication 2016; 12: 123-54
Name I, Some-Thing A, More BC: Example: A string title. Publication 2016; 12: 123
Name I, Some-Thing A, More BC (2016): Example: A string title. Publication 12, 123-54
Name I, Some-Thing A, More BC (2016): Example: A string title. Publication 12 (6), 123-54
Name I, Some-Thing A, More BC: Example: A string title. Publication. 2016 June;12(6):123-54. Ignore this

现在我正在尝试提取它们的部分以获得结果：

1: Name I, Some-Thing A, More BC || Name I, Some-Thing A, More BC, et al.
2: 2016
3: Example: A string title? || Example: A string title
4: Publication
5: 12
6: 123-54 || 123

这是我到目前为止所得到的：

/([\w-]+ [A-Z]{1,3}(?:, [\w-]+ [A-Z]{1,3})*(?:, et al\.)*)|\((\d{4})\)?|([\w:]+[\w ]+(?=\.|\?|$))|(\d+(?=:))|([\d-]+)/g

https://regex101.com/r/wB3wU4/2

感谢 anubhava 和 Jan 到目前为止。

但有了这个我没有得到所有 Publication ，在最后一个字符串中我想忽略pagenumber之后的所有内容，我需要忽略pagenumber前面的括号（如果有的话）一个）。

对我来说，第二个问题是如何使用此数据进行正确处理，因为匹配的位置可能不同。示例：通常匹配[2]应为year，但对于第3个字符串，情况并非如此。所以结果搞得一团糟： - （

Answer 1

如果您的示例输入是您通常会遇到的常见字符串的指示符，您可以将此概括一点：

// Split the string based on parentheses, periods, question-marks and colons
// along with any leading or trailing spaces (i.e. trimming)
var matches = input.split(/\s*[().?:]\s*/);

从可读性和维护的角度来看，正则表达式通常是噩梦，所以如果可以简化它们，我会推荐它。

示例

var input = "Name I, Some A, More BC (2016) A string title. Publication. 12:123-54"; var matches = input.split(/\s*[()?.:]\s*/); for(var i = 0; i < matches.length; i++){ console.log('[' + i +']:' + ' ' + matches[i]); }

Answer 2

你去了：

([^()]+)\((\d+)\)\s*([^.]+)[.\s]*([^.]+)[.\s]*(\d+):([-\d]+)

捕获组编号与您的编号相对应，请参阅a demo on regex101.com。

Answer 3

我把帽子戴在戒指上的时间。这就是我想出的：

^(.*?)\s*(?:\(((?:19|20)\d\d)\)|:)[\s:]*(.*?[?.!])\s*([\w\s]+?)\.?\s*(?:((?:19|20)\d\d)(?:\s+\w+)?)?[.;\s]*(\d+)\s*(?:\(\d+\))?[,:\s]+(\d+(?:-\d+)?)[^\d]*$

See it here at regex101

由于复杂性，我不会尝试在此处解释正则表达式的每一部分，但请检查指向regex101的链接，您将在右侧窗格中看到解释。

但我会尝试解释它的要点。这取决于我不确定的一些事实，但是......

从字符串的开头

歌曲标题必须以括号中的一年结束或冒号（:）。这限制了一年到二十或二十一世纪的匹配。

然后从后面：

忽略 -part
最后一次捕获始终采用number dash number形式，后面的部分是可选的。
12部分是一个数字，可选地前面有.，;或空格，后跟括号内的可选数字。括号可以选择以空格开头。然后整个部分后跟至少一个,，:或空格。
12部分可选择以一年开头，然后可选择后跟一个月（扔掉）。

在字符串的开头和结尾之间，从第一部分开始，“句子”被捕获以标点符号结尾（.，?或{{ 1}}）。之后是第二个“句子” - !部分。

这为我们提供了以下捕获组：

Title 1
（可选）年
Title 2
句子Publication
（可选）年
Publication part
12 part

即年份在第2组或 5。

感觉非常脆弱，但它可能会为您完成工作。 ;）

修改

我做了一个JS剪辑来说明:(使用全屏）

123-54

修改

评论：标题以括号或冒号OR点结束一年。

我还没有完全掌握不同部分是什么，但我认为在这种情况下它是我们谈论的第一个领域。（示例中的第三个字段结束“字符串标题”...）其当前表单中的正则表达式处理年份和冒号。因此，要将 dot 添加到字段终止符，您可以将问题var theStrings = [ 'Name I, Some-Thing A, More BC (2016) Example: A string title. Publication. 12:123-54', 'Name I, Some-Thing A, More BC, et al. (2016) Example: A string title? Publication. 12:123-54', 'Name I, Some-Thing A, More BC: Example: A string title. Publication 2016; 12: 123-54', 'Name I, Some-Thing A, More BC: Example: A string title. Publication 2016; 12: 123', 'Name I, Some-Thing A, More BC (2016): Example: A string title. Publication 12, 123-54', 'Name I, Some-Thing A, More BC (2016): Example: A string title. Publication 12 (6), 123-54', 'Name I, Some-Thing A, More BC: Example: A string title. Publication. 2016 June;12(6):123-54. Ignore this', 'Name I, Some-Thing A, More BC (2050) Example: A string title. Placeholder. 55:123-54', 'Name I, Some-Thing A, More BC, et al. (2016) Example: A string title? Word. 22:123-54', 'Name: Example: A string title. Variable 2014; 31: 123-54', 'This can basically be anything!: Example: A string title. Publication 100 2058; 789: 123', 'Name I, Some-Thing A, More BC (1998): Example: A string title. What Ever 4, 123-54', 'Name I, Some-Thing A, More BC (2016): Example: A string title. Journey of 2000 miles 54 (6), 123-54', 'Name I, Some-Thing A, More BC: Example: A string title. Some Words. 1999 June;1(6):123-54. Ignore this' ], re = /^(.*?)\s*(?:$((?:19|20)\d\d)$|:)[\s:]*(.*?[?.!])\s*([\w\s]+?)\.?\s*(?:((?:19|20)\d\d)(?:\s+\w+)?)?[.;\s]*(\d+)\s*(?:$\d+$)?[,:\s]+(\d+(?:-\d+)?)[^\d]*$/, res, i, j output = '<style>caption {background-color: blue; color: white;} th {background-color: lightblue;}</style>'; for (i = 0; i < theStrings.length; i++) { res = theStrings[i].match(re); output += '<table border="1" style="width:100%">'; output += '<tr>'; output += '<caption>The string "' + theStrings[i] + '" ends up as:</caption>'; output += '<tr><th style="width:30%">Title 1</th><th style="width:10%">Year</th><th style="width:30%">Title 2</th><th style="width:10%">Value 4</th><th style="width:10%">Value 5</th><th style="width:10%">Value 6</th></tr>'; output += '<td>' + res[1] + '</td>'; output += '<td>' + (res[2] ? res[2] : res[5]) + '</td>'; output += '<td>' + res[3] + '</td>'; output += '<td>' + res[4] + '</td>'; output += '<td>' + res[6] + '</td>'; output += '<td>' + res[7] + '</td></tr></table><br/>'; } document.write(output);更改为:，允许：

[:.]

Answer 4

我使用以下正则表达式：

^([A-Za-z-]+ [A-Z]{1,3}(?:, [A-Za-z-]+ [A-Z]{1,3})*(?:, et al\.)?):? (?:\((\d{4})\):? )?([A-Za-z\:\?\. ]+[A-Za-z\?])\.? ([A-Za-z]+)\.? (?:([0-9]+)[A-Za-z ]*; ?)?(\d+) ?(?:\(\d+\))?[\:,] ?([0-9-]+)

由于year可以在不同的地方进行交换，因此我使用此代码始终获取正确的year：

var year = matches[2] || matches[5];

您可以在this fiddle中查看整个脚本。

这个正则表达式会给我以下输出，我认为这些是您正在寻找的：

＆＃39;姓名I，Some A，More BC（2016）字符串标题。插图。 12：123-54＆＃39;

1: "Name I, Some A, More BC"
2: "2016"
3: "A string title"
4: "Illustration"
5: "12"
6: "123-54"

＆＃39;姓名I，Some-Thing A，更多BC（2016）示例：字符串标题。出版物。 12：123-54＆＃39;

1: "Name I, Some-Thing A, More BC"
2: "2016"
3: "Example: A string title"
4: "Publication"
5: "12"
6: "123-54"

＆＃39;姓名I，Some-Thing A，More BC，et al。（2016）示例：字符串标题？出版物。 12：123-54＆＃39;

1: "Name I, Some-Thing A, More BC, et al."
2: "2016"
3: "Example: A string title?"
4: "Publication"
5: "12"
6: "123-54"

＆＃39;姓名I，Some-Thing A，更多BC：示例：字符串标题。插图2016; 12：123-54＆＃39;

1: "Name I, Some-Thing A, More BC"
2: "2016"
3: "Example: A string title"
4: "Illustration"
5: "12"
6: "123-54"

＆＃39;姓名I，Some-Thing A，更多BC：示例：字符串标题。 2016年出版物; 12：123＆＃39;

1: "Name I, Some-Thing A, More BC"
2: "2016"
3: "Example: A string title"
4: "Publication"
5: "12"
6: "123"

＆＃39;姓名I，Some-Thing A，更多BC（2016）：示例：字符串标题。出版物12,123-54＆＃39;

1: "Name I, Some-Thing A, More BC"
2: "2016"
3: "Example: A string title"
4: "Publication"
5: "12"
6: "123-54"

＆＃39;姓名I，Some-Thing A，更多BC（2016）：示例：字符串标题。出版物12（6），123-54＆＃39;

1: "Name I, Some-Thing A, More BC"
2: "2016"
3: "Example: A string title"
4: "Publication"
5: "12"
6: "123-54"

＆＃39;姓名I，Some-Thing A，更多BC：示例：字符串标题。出版物。 2016年6月; 12（6）：123-54。忽略这个＆＃39;

1: "Name I, Some-Thing A, More BC"
2: "2016"
3: "Example: A string title"
4: "Publication"
5: "12"
6: "123-54"

Answer 5

您可以使用这个笨拙的正则表达式捕获各种组件：

/^((?:,? *[A-Za-z.-]+ [A-Za-z]{1,3})+)[ :.,]+(?:\((\d+)\)[ :]+)?([a-zA-Z]+: [a-zA-Z ]+[?]?)[. ]+([A-Za-z]+)[. ;\dA-Za-z]+?(\d+)(?:[:,]| *\()[: \d,)]*?(\d+(?:-\d+)?)(?:[ .]|$)/gm

RegEx Demo

Answer 6

更新＃1

有很多答案，所以我也应该提供一些比较

你对我有什么用？

^([\w-]+ [A-Z]{1,3}(?:, [\w-]+ [a-zA-Z]{1,3}\.?)*)[ :](?:\((\d+)\)| ?([\w]+)):? ?([ \w]+)[.:?]? ?([ \w]+)?[.:?]? ?([A-Za-z]+)?[.:?]? ?([\d]+) ?([a-zA-Z]+)?[,;:]? ?(?:\(([\d-]+)\),?|([\d-]+)):? ?(?:\((\d+)\)[,:]|([\d-]+))? ?([\d-]+)?

仅供参考，它的长度为232个字符。

有效吗？

如果输入与原始帖子中的输入类似，或者如您在某些评论中所述的那样指定，则确实有效。 Live demo

如此冗长，它被称为真正的RegEx？

我不认为它是正则表达式。它使用语法，但不仅仅是编程if / else条件。这就像爬梯子可能有一些破碎的梯级。但这是解决问题所需的一种方式。

我为什么要选择你的？

我不知道。这是你的选择。但是我会对满足您需求的答案进行基准测试。

输入字符串：

Name I, Some-Thing A, More BC (2016) Example: A string title. Publication. 12:123-54
Name I, Some-Thing A, More BC, et al. (2016) Example: A string title? Publication. 12:123-54
Name I, Some-Thing A, More BC: Example: A string title. Publication 2016; 12: 123-54
Name I, Some-Thing A, More BC: Example: A string title. Publication 2016; 12: 123
Name I, Some-Thing A, More BC (2016): Example: A string title. Publication 12, 123-54
Name I, Some-Thing A, More BC (2016): Example: A string title. Publication 12 (6), 123-54
Name I, Some-Thing A, More BC: Example: A string title. Publication. 2016 June;12(6):123-54. Ignore this
Name I, Some-Thing A, More BC (2050) Example: A string title. Placeholder. 55:123-54
Name I, Some-Thing A, More BC, et al. (2016) Example: A string title? Word. 22:123-54

迭代次数：50 x 1000
标志：multi-line

结果：

@ HiDeo的RegEx：

Completed iterations:   50  /  50     ( x 1000 )
Matches found per iteration:   9

Elapsed Time:    10.75 s,   10753.42 ms,   10753415 µs

@ anubhava的RegEx：

Completed iterations:   50  /  50     ( x 1000 )
Matches found per iteration:   9

Elapsed Time:    9.28 s,   9277.62 ms,   9277621 µs

@ ClasG＆＃39; RegEx：

Completed iterations:   50  /  50     ( x 1000 )
Matches found per iteration:   9

Elapsed Time:    8.86 s,   8864.05 ms,   8864050 µs

@ revo的RegEx：

Completed iterations:   50  /  50     ( x 1000 )
Matches found per iteration:   9

Elapsed Time:    7.02 s,   7024.97 ms,   7024972 µs

如图所示，所有表演时间都非常接近。所以你不会很难选择一个。

感谢@sln节省时间和最近我开始合作的精彩软件RegexFormat。

用于将引用字符串拆分为其组件的正则表达式

6 个答案:

更新＃1

你对我有什么用？

有效吗？

如此冗长，它被称为真正的RegEx？

我为什么要选择你的？

结果：