如何使用正则表达式解析 MARC 记录？

Question

我想用正则表达式解析 MARC 记录，return 字段作为第一个捕获组，值作为第二个捕获组。这是我到目前为止对正则表达式的了解：

(\n[0-9]{3})[ 0-9]{4}([^\n]*)

那里的最后一个捕获组 ([^\n]*) 正在捕获下一个换行符之前的所有内容，这适用于以下行：

001    868229892 
100 1  Montgomery, L. M.|q(Lucy Maud),|d1874-1942.,|eauthor. 
245 10 Anne of Green Gables /|cL.M. Montgomery. 
250    Aladdin hardcover edition. 
264  1 New York :|bAladdin,|c2014. 
300    440 pages &#59;|c22 cm 
336    text|2rdacontent. 
337    unmediated|2rdamedia. 
338    volume|2rdacarrier.

但是，对于跨行的值，正则表达式不再有效：

520    Anne, an eleven-year-old orphan, is sent by mistake to 
       live with a lonely, middle-aged brother and sister on a 
       Prince Edward Island farm and proceeds to make an 
       indelible impression on everyone around her. 
650  0 Shirley, Anne (Fictitious character)|vJuvenile fiction.

下一站应该是上面的650。因此，正则表达式应该捕获所有内容，直到 一个换行符后跟 3 个数字 。

我确实尝试了 ([^\n0-9]*)，但这被解释为匹配除数字或换行符以外的任何内容 以任何顺序 。我需要它来匹配一个换行符和 3 个数字 在那个确切的序列 .

Answer 1

在末尾添加否定前瞻以确保换行符后跟 3 位数字。还可以做一些事情来缩短正则表达式。

(\n\d{3})[ \d]{4}((?:(?!\n\d{3}).)*)

Answer 2

这个正则表达式，如 regex101 所示：

(\n[0-9]{3})[ 0-9]{4}([^\n]+(?:\n\s+[^\n]+)*)

捕获组 ([^\n]+(?:\n\s+[^\n]+)*) 匹配

任何非换行符：[^\n]+
然后任意数量的额外行：(?:\n\s+[^\n]+)*

如何使用正则表达式解析 MARC 记录？

How can I parse MARC records with a Regular Expression?

regex

pcre

marc