我發現這段代碼可以檢測文本中的所有參考：
author = r"(?:[A-Z][A-Za-z'`-] )"
etal = r"(?:et al\.?)"
additional = f"(?:,? (?:(?:and |& )?{author}|{etal}))"
year_num = "(?:19|20)[0-9][0-9]"
page_num = "(?:, p\.? [0-9] )?"
year = fr"(?:, *{year_num}{page_num}| *\({year_num}{page_num}\))"
regex = fr'\b(?!(?:Although|Also)\b){author}{additional}*{year}'
它實際上作業得很好，但我需要找到參考所在的所有句子（從一個點開始到結尾，另一個點）。所以在這個例子中：
"Nothing is here. In this line, actually, there is a ciation (Author et al., 2022). Once again, In this line there is nothing."
我想得到這個 "In this line, actually, there is a ciation (Author et al., 2022)."
我應該如何編輯上面的代碼來實作這一點？
uj5u.com熱心網友回復：
您可以使用以下正則運算式：
r"\s*([^.] (?=\([\w ,.] (, *\?)?(\d{4}|\d{2})\)\.?))(\([\w ,.] (, *\?)?(\d{4}|\d{2})\)\.?)"
證明在這里。
uj5u.com熱心網友回復：
您需要分兩步解決問題：a) 將文本分解成句子，b) 檢測帶有參考的句子。句子標記化要做正確的事情并非易事，因此請使用庫來做。例如：
>>> import nltk
>>> text = "Nothing is here. In this line, actually, there is a citation (Author et al., 2022). Once again, In this line there is nothing."
>>> sentences = nltk.sent_tokenize(text)
>>> print(sentences)
['Nothing is here.', 'In this line, actually, there is a citation (Author et al., 2022).', 'Once again, In this line there is nothing.']
然后，使用您的定義：
>>> citation = fr"{author}{additional}*{year}"
>>> for s in sentences:
>>> ... if re.search(citation, s):
>>> ... print(s)
>>> ...
In this line, actually, there is a citation (Author et al., 2022).
PS。如果您以前從未使用過 nltk，則需要一次性下載句子標記器。您將看到一條錯誤訊息，告訴您運行此程式，只需執行一次，您就永遠完成了。
nltk.download('punkt')
uj5u.com熱心網友回復：
試試這個：
(?<=\. )[^(] \(([^)] )\).*?\.
解釋：
(?<=\. )：lookbehind 檢查先前的點和空格序列[^(\.]: 除開括號和點之外的任何字符組合\(: 開括號([^)] ): 除右括號外的任意字符組合\): 右括號.*?: 可選的惰性字符組合\.: 點和空格的順序
此解決方案無法解決的極端情況：
<space><dot><word>(like.dotnet) 是括號前的一個內部詞：它總是將<space><dot>其視為句子的開頭。<word><dot><space>(likee.g.) 是括號后的一個內部詞：它總是將<dot><space>其視為句末。
解決這些極端情況的一種可能性是首先進行一些預處理并轉換/洗掉原始文本中存在的任何縮寫。
在這里試試。
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/475174.html
上一篇：JS正則運算式路徑名匹配