我正在尝试使用正则表达式从引文中提取页码。
这是我正在使用的测试数据:
- 期刊名称，卷。 20，第 2 号； p. 15
- 期刊名称，卷。 20、第2期:人名(1990-2010)； p. 15
- 期刊名称，卷。 20、第2期:人名(1990-2010)；第 15-20
- 期刊名称，卷。 20、第2期:人名(1990-2010)；第 15 页-
- 期刊名称，卷。 20，第 2 号； 20-25
- 期刊名称，卷。 20，第 2 号； ISSN:1234-1234(打印)； 20-25
- 期刊名称，卷。 20，第 2 号； 20-25； ISSN:1234-1234(打印)
- 期刊名称，卷。 20，第 2 号； ISSN:1234-1234(打印)； ISSN:1234-1234(在线)； 20-25
- 期刊名称，卷。 20，第 2 号； ISSN 1234-1234(打印)； ISSN 1234-1234(在线)； 20-25
当使用以下正则表达式时:
(?![^()]*\))(\d+-\d+)
上面粗体的值是匹配的。
我想改进正则表达式以不匹配任何 \d+-\d+在“ISSN”或“ISSN:”之后。我尝试使用 (?<![ISSN:?\s]) 添加后视但没有成功。
关于如何实现这一目标并仅匹配以下值有什么想法吗？
- 期刊名称，卷。 20，第 2 号； p. 15
- 期刊名称，卷。 20、第2期:人名(1990-2010)； p. 15
- 期刊名称，卷。 20、第2期:人名(1990-2010)；第 15-20
- 期刊名称，卷。 20、第2期:人名(1990-2010)；第 15 页-
- 期刊名称，卷。 20，第 2 号； 20-25
- 期刊名称，卷。 20，第 2 号； ISSN:1234-1234(打印)； 20-25
- 期刊名称，卷。 20，第 2 号； 20-25； ISSN:1234-1234(打印)
- 期刊名称，卷。 20，第 2 号； ISSN:1234-1234(打印)； ISSN:1234-1234(在线)； 20-25
- 期刊名称，卷。 20，第 2 号； ISSN 1234-1234(打印)； ISSN 1234-1234(在线)； 20-25
请您参考如下方法:
这解决了我的问题:
re.search(r'[^ISN:?](?![^()]*\))\s(\d+-\d+)', s).group(1)
感谢大家的帮助。仍然欢迎更好的解决方案。
