1

我想映射字符串的不同部分，其中一些是可选的，其中一些始终存在。我正在使用 Calibre 的内置函数（基于 Python 正则表达式），但这是一个普遍的问题：我怎样才能在正则表达式中做到这一点？

示例字符串：

!!Mixed Fortunes - An Economic History of China Russia and the West 0198703635 by Vladimir Popov (Jun 17, 2014 4_1).pdf
!Mixed Fortunes - An Economic History of China Russia and the West 0198703635 by Vladimir Popov (Jun 17, 2014 4_1).pdf
Mixed Fortunes - An Economic History of China Russia and the West 0198703635 by Vladimir Popov (Jun 17, 2014 4_1).pdf
!!Mixed Fortunes - An Economic History of China Russia and the West by Vladimir Popov (Jun 17, 2014 4_1).pdf
!!Mixed Fortunes - An Economic History of China Russia and the West by 1 Vladimir Popov (Jun 17, 2014 4_1).pdf

字符串的结构如下：

[importance markings if any, it can be '!' or '!!'][title][ISBN-10 if available]by[author]([publication date and other metadata]).[file type]

最后我创建了这个正则表达式，但它并不完美，因为如果出现 ISBN，标题也会包含 ISBN 部分......

(?P<title>[A-Za-z0-9].+(?P<isbn>[0-9]{10})|([A-Za-z0-9].*))\sby\s.*?(?P<author>[A-Z0-9].*)(?=\s\()

这是我的沙箱：https ://regex101.com/r/K2FzpH/1

我真的很感激任何帮助！

4

1 回答 1

0

您可以使用以下命令，而不是使用更改：

^!*(?P<title>[A-Za-z0-9].+?)(?:\s+(?P<isbn>[0-9]{10}))?\s+by\s+(?P<author>[A-Z0-9][^(]+)(?=\s\()
  • ^字符串的开始
  • !*匹配可选的感叹号
  • (?P<title>[A-Za-z0-9].+?)命名组title，匹配字符类中的范围，然后匹配尽可能少的字符
  • (?:\s+(?P<isbn>[0-9]{10}))?可选择匹配 1+ 个空白字符和isbn匹配 10 位数字的命名组
  • \s+by\s+匹配by1 个或多个空白字符
  • (?P<author>[A-Z0-9][^(]+)命名组author匹配 AZ 或 0-9 后跟 1 次以上的任何字符，除了(
  • (?=\s\()(直接向右断言的正向前瞻

正则表达式演示

于 2021-05-13T10:39:03.470 回答