用于将引用字符串拆分为其组件的正则表达式
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： - （
6 个答案:
答案 0 :(得分：4)
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]);
}
答案 1 :(得分：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。
答案 2 :(得分：2)
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]*$
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 中没有数字
- 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
-
Publicationpart -
12part
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：
[:.]答案 3 :(得分：1)
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"
答案 4 :(得分：0)
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
答案 5 :(得分：0)
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。
- 我写了这段代码，但我无法理解我的错误
- 我无法从一个代码实例的列表中删除 None 值，但我可以在另一个实例中。为什么它适用于一个细分市场而不适用于另一个细分市场？
- 是否有可能使 loadstring 不可能等于打印？卢阿
- java中的random.expovariate()
- Appscript 通过会议在 Google 日历中发送电子邮件和创建活动
- 为什么我的 Onclick 箭头功能在 React 中不起作用？
- 在此代码中是否有使用“this”的替代方法？
- 在 SQL Server 和 PostgreSQL 上查询，我如何从第一个表获得第二个表的可视化
- 每千个数字得到
- 更新了城市边界 KML 文件的来源？