Question

我正在尝试从论文的一部分中提取所有参考文献作为列表。现在，我只有一个段落并将其设置为字符串。

我想知道是否可以在python上使用正则表达式来做到这一点？我希望能够从字符串中提取多个单词，但是到目前为止，我所能做的只是提取年份，单个单词或字符，而不是一次提取整个引用。另外，确实存在很多条件，因为引用的格式可能不同，例如：

text="As shown by Macelroy et al. (1967), bla bla. Podar & Reysenbach (2006) also researched ... Another example is ... (Valdes et al. 2008). Most notably .... Edwards, Bartlett & Stirling (2003)."

因此，有些数字放在方括号内，有些完全用方括号括起来，有些则有多个大写单词，有些则带有“ et al”，依此类推。是否可以在一次搜索中定义所有这些要求，然后将它们全部打印出来？

我知道有一些网站或程序可以放入本文中，以为我提取所有参考文献，但是我想知道自己如何做。

谢谢

NB：经过编辑以阐明引用将如何嵌入到字符串中

Answer 1

import re
t = """
As shown by Macelroy et al. (1967), bla bla. Podar
 & Reysenbach (2006) also researched ... Another example is ... (Valdes et al. 2008). Most notably .... Edwards, Bartlett & Stirling (2003).
"""
f = ["".join(result).replace("(","") for result in re.findall("([A-Z])([^A-Z)]+|[^.,]+)([0-9]{4})",t,re.S)]
print(f)

（[A-Z]）匹配一个印刷体字母
[^ A-Z）] + | [^。，] +匹配两种情况，
- 匹配不带印刷体字母和)的字符串
- 匹配不包含,.的字符串，因为如果包含,或.可能匹配整个句子
[0-9] {4}以4个数字结尾

使用正则表达式从字符串中提取多个单词

1 个答案: