2

现在，我正在编写一个 python 脚本来解析当有人突出显示、记笔记或书签时由 kindles 生成的 My Clippings 文件。我正在使用正则表达式从文件中收集数据，然后我计划将其存储在 sqlite 数据库中。但现在，我无法匹配包含书名和可能作者的行。

这条线有三种可能性。它们可以采用以下格式：

Title (Last, First)
Title (Author)
Title

我想要的是正则表达式捕获标题，以及结尾括号中的任何内容（如果存在），否则捕获一个空白字符串。例如，我希望这里的正则表达式给我结果：

('Title', 'Last, First')
('Title', 'Author')
('Title', '')

现在我设法做了一个正则表达式来捕获括号，但不是没有作者的标题。这是我现在拥有的：

(.+) (?:\((.+)\)(?:\n|\Z))*

唯一的问题是它要求该行以作者结尾，如果我给它一个接受空白字符串的选项，它会发现整行都是没有作者的标题。IE

('Title (Last, First)', '')
('Title (Author)', '')
('Title', '')
4

3 回答 3

1

这是我的版本，它与 Jerry 的非常相似，但可能更安全一些：

(\w+?)(?:\s?\(([\w,\s]*)\))?$

这涵盖了更多的情况，例如缩进、括号前缺少空格和空括号。

这是一个演示：http ://www.rubular.com/r/8C1pireOwV

于 2013-06-21T11:07:54.793 回答
1

使用如下文件：

Title (Last, First)
Title (Author)
Title 
Title ()
    Title ()
The Title (Bob, Jones)

以下：

import re
matches = []
with open('file.txt') as f:
    for line in f:
        matches.append(re.match(r'^\s*([\w\s]+) \(?(.*?)\)?$',line).groups())

for m in matches:
    print m
('Title', 'Last, First')
('Title', 'Author')
('Title', '')
('Title', '')
('Title', '')
('The Title', 'Bob, Jones')
>>>

会产生你想要的结果。

于 2013-06-21T11:28:28.213 回答
1

如果您尝试逐行匹配，则可以使用此正则表达式：

^(.+?)(?: \((.+)\))?$

我添加了行首锚和行尾锚，然后将空格放在第一个非捕获组中，这样可以捕获没有任何其他细节的标题。我将*运算符更改为?，因为我认为您不会有超过一对括号。如果您认为您确实拥有更多，请进行更改。

我删除了第二个非捕获组，因为行尾锚将确保它是行尾。

演示在这里。

于 2013-06-21T10:52:39.120 回答