Question

注意：我对正则表达式缺乏经验。

我希望能够将科学文章转换为iTunes曲目。为此，我将文本复制并粘贴到txt文件中并将其转换为语音轨道。然而，当我这样做时，包括参考，计算机的声音大声读取它们，例如＆＃34;（Smith J. et al.2016）＆＃34;这很烦人，因为我希望跳过包含引用的括号中的任何内容。因此，我想制作一个python脚本，在将其转换为口语轨道之前从txt文件中删除所有这些引用。我估计我可以使用以下代码执行此操作：

start_ref=find("(")
finish_ref=find(")", start_ref)
# then remove all pieces of the string between each start and finish

但这还不够准确。相反，我想以某种方式使用正则表达式。

有人可以向我展示一些示例代码，以便我如何迭代删除以下文本中的引用（同时考虑不同的引用样式，例如Harvard vs APA等）：

＆＃34;该方法已被证明优于先前讨论的方法（史密斯，J。等人，2014）虽然有它的缺点，但很明显好处大于劣势（Jones，A。＆amp; Karver，B。， 2009，Lubber，H。等，2013）。＆＃34;

任何人都可以提供一些示例代码吗？

Answer 1

类似

 import re
 text = ...
 re.sub(r'\((?:[\w \.&]+\, )+[0-9]{4}\)', text)

好像是这样做的。您可以使用Debuggex在正则表达式中训练自己。

Answer 2

这应该可以解决问题：

import re

a = "This method has been shown to outperform previously discussed methods (Smith, J. et al., 2014) and while it has its draw-backs, it is clear that the benefits outweigh the disadvantages (Jones, A. & Karver, B., 2009, Lubber, H. et al., 2013)."

a = re.sub(r"\s\([A-Z][a-z]+,\s[A-Z][a-z]?\.[^\)]*,\s\d{4}\)", "", a)

取代＆＃34;＆＃34; （即没有）每个字符串由空格(组成，一个大写字母后跟一个或多个小写字母（即名称），逗号，空格，一个大写字母和一个点（可选地由一个空格分隔）像克里斯汀这样的名字的小写字母将缩写为Ch.），然后除了右括号之外的任何内容，直到我们达到逗号，空格，四位数和右括号。总而言之，它假定应删除看起来像(Azdfs, E. stuff 2343)的所有内容。我认为这应该足以避免过度检测。

我的代码获得的输出是This method has been shown to outperform previously discussed methods and while it has its draw-backs, it is clear that the benefits outweigh the disadvantages.

python从科学论文中删除引用

2 个答案: