1

我有一个很长的文本，如下所示：

1- EM Smith、JP LAVERGNE、P. VIALLEFONT 和 J. DAUNIS。Recherches en série triazépine-1,2,4。J.杂环化​​学。12, 66 (1975)。

2- M. BENCHIDMI 和 EM ESSASSI。Synthèse de bis s-triazolo [4,3-b : 4,3-d] triazépines-1,2,4。J. 杂环化学，13, 885 (1976)。

3- LAVERGNE et P. VIALLEFONT。Hydrazinolyse d'azabenzodiazépinones et d'azabenzodiazépine-thiones de 1,5 型。四面体，33，28O7（1977）。

4-EM ESSASSI。"Synthèse et étude de RMN1H en présence de l'Eu(fod)3 des pyrazolo [1,5,4-ef] benzodiazépine-1,5 one-6 Bull. Soc. Chim. Belg., 96, 399 (1987) .

. . . .

并且列表继续超过 300 多个，我需要提取每一行并将其添加到 MySql 的插入查询中，删除列表编号并转义所有引号和双引号，我虽然使用正则表达式但结果是对我来说相当困难。

插入查询应如下所示：

INSERT INTO PUBLICATIONS (NAME,AUTHOR,CITE,PUB_YEAR) VALUES
("Recherches en série triazépine-1,2,4.", "E.M. Smith, J.P. LAVERGNE, P. VIALLEFONT et J. DAUNIS.","J. Heterocyclic Chem. 12, 66","1975"), 
( "Synthèse de bis s-triazolo [4,3-b : 4,3-d] triazépines-1,2,4.", "M. BENCHIDMI et E.M. ESSASSI.","J. Heterocyclic Chem., 13, 885","1976" ),
etc.

我只是为文本提供了一些格式以产生一些想法，但它没有空格或下一行，它都在一个巨大的字符串中。

我的想法是使用类似的东西：

$string = "all my string"
$pattern = '/regex pattern/';
$replacement = 'result format';
echo preg_replace($pattern, $replacement, $string);

我意识到拆分它可能是不可能的，因为没有特定的模式，所以我可以手动添加一个 \n\r 来拆分每一行

非常感谢！

4

1 回答 1

1

编辑：经过观察，这种模式可以完成这项工作，但我需要更多的数据来查看所有可能的异常，并更好地理解这种数据的“逻辑”。（但第一个答案总是一种方式。）

我见过的一些规则：

作者：

  • 最终以 forname 首字母开头，后跟名称
  • 所有作者用逗号和空格隔开，最后用~et~
  • 以点和空格结尾

标题：

  • 以大写开头，最后加上一个 qouble 引号
  • 没有点
  • 不要总是以数字结尾：
    • 前面有逗号，后面有一个点和一个空格
    • 或带有 - 之前和之后的空格
  • 除非最后没有点

引用：

  • 以大写开头
  • 首字母大写的不同单词，可以用点缩写
  • 后跟：逗号、空格、数字、逗号空格数字、空格。

代码

$subject = <<<LOD
1- E.M. Smith, J.P. LAVERGNE, P. VIALLEFONT et J. DAUNIS. Recherches en série triazépine-1,2,4. J. Heterocyclic Chem. 12, 66 (1975).
2- M. BENCHIDMI et E.M. ESSASSI. Synthèse de bis s-triazolo [4,3-b : 4,3-d] triazépines-1,2,4. J. Heterocyclic Chem., 13, 885 (1976).
3- LAVERGNE et P. VIALLEFONT. Hydrazinolyse d'azabenzodiazépinones et d'azabenzodiazépine-thiones de type 1,5. Tetrahedron, 33, 28O7 (1977).
4- E.M. ESSASSI. "Synthèse et étude de RMN1H en présence de l'Eu(fod)3 des pyrazolo [1,5,4-ef] benzodiazépine-1,5 ones-6 Bull. Soc. Chim. Belg., 96, 399 (1987).
1O- J.M.F. BOURGOIN-DE-LA-VILLARDIERE. Recherches en série triazepine-1,2,4: 1 - détermination de la structure de la triazolotriazépinone obtenue par action de l'acétylacétate d'éthyle sur le diamino-3,4 triazole-1,2,4 J. Heterocyclic Chem., 13, 885 (1976).
LOD;
$pattern =
 '~# authors :
  (?(DEFINE)(?<FN>(?:[A-Z]\.){0,3}+(?(?<=\.)\h)) ) # ForName
  (?(DEFINE)(?<NM>[A-Z](?:[A-Z]++|[a-z]++)(?:-[A-Z](?:[A-Z]++|[a-z]++))*+)) # NaMe
  [O\d]++-\h(?<author>(?&FN)(?&NM)(?>(,\h(?&FN)(?&NM))*+\het\h(?&FN)(?&NM))?+)\.\h
  # titles :
  "?+(?<title>[A-Z][^.]+?(?:\.|(?:,|-)\d))\h
  # cites :
  (?<cite>(?:[A-Z][a-z]*+\.?+\h)*[A-Z][a-z]*+\.?+,?+\h[O\d]++,\h[O\d]++)\h
  # date :
  \((?<date>[^)]++)\) 
 ~x';               

preg_match_all($pattern, $subject, $matches, PREG_SET_ORDER);
foreach ($matches as &$match) {  //cosmetic
    foreach ($match as $key=>$value) {
        if (is_numeric($key)||$key=='NM'||$key=='FN') unset($match[$key]);
    }
} 
echo '<meta charset="UTF-8"/><pre>' . print_r($matches, true) . '</pre>';

--编辑前回答--

哇，您是否注意到作者、姓名和引用之间没有任何区别。一种方法是手动切片（作者、姓名和引用之间的简单换行符）（每行大约 5 秒，您在不到 30 分钟内完成，头头有头:)。

我这么说是因为我在作者、姓名和引用之间看到的唯一区别是无法与正则表达式匹配的感觉。

如果你让这个rebarbative工作，那么进行sql查询将很容易。例子：

1- E.M. Smith, J.P. LAVERGNE, P. VIALLEFONT et J. DAUNIS.
Recherches en série triazépine-1,2,4.
J. Heterocyclic Chem. 12, 66 (1975).

就是这样，无需触摸数字或日期，正则表达式就可以完成这项工作。如果您执行此工作，请编辑您的消息以获得对正则表达式的帮助。

于 2013-04-24T06:22:43.337 回答