使用正则表达式获取引文标题
getting title of citation with regex
我对正则表达式不是很熟悉，但我想从引文中提取一篇论文的标题：
标题位于年份（例如第一次引用中的 1991 年）和句子中的以下点之间。我在这里用斜体字。
"1Moulds J.M., Nickells M.W., Moulds J.J., et al. (1991) The C3b/C4b
receptor is recognized by the Knops, McCoy, Swain-langley, and York
blood group antisera. J. Exp. Med.5:1159-63."
"2Rochowiak A., Niemir Z.I. (2010) The structure and role of CR1
complement receptor in pathology. Pol. Merkur Lekarski. 28:84–88."
"3WHO. Geneva: WHO; 2018. World Malaria Report 2018".
引文存储在“引文”列的数据框 (df) 中
输出：
The C3b/C4b receptor is recognized by the Knops, McCoy, Swain-langley, and York blood group antisera
The structure and role of CR1 complement receptor in pathology
我写了一个正则表达式，看起来像这样：
df$citation = sub('[^"]*?)', "", df$citation)
df$citation = sub("\..*", "", df$citation)
关于如何只写一行有什么建议吗？
此外，最好有一个正则表达式，如果它没有在括号中找到年份，例如第三次引用，它将删除该引用。可以这样做吗？
鉴于您的一系列要求，您可以使用
sub("^.*?\b(?:19|20)\d{2}\)\s*([^.]+).*", "\1", df$citation, perl=TRUE)
详情
^ - 字符串开头.*? - 任何 0+ 个字符，换行字符除外，尽可能少\b(?:19|20)\d{2} - 字边界，19 或 20 和任意两个数字\) - 一个 ) 字符 \s* - 0+ 个空格([^.]+) - 第 1 组：..* - 任何 0+ 个字符，除了换行字符，尽可能多。
我对正则表达式不是很熟悉，但我想从引文中提取一篇论文的标题： 标题位于年份（例如第一次引用中的 1991 年）和句子中的以下点之间。我在这里用斜体字。
"1Moulds J.M., Nickells M.W., Moulds J.J., et al. (1991) The C3b/C4b receptor is recognized by the Knops, McCoy, Swain-langley, and York blood group antisera. J. Exp. Med.5:1159-63."
"2Rochowiak A., Niemir Z.I. (2010) The structure and role of CR1 complement receptor in pathology. Pol. Merkur Lekarski. 28:84–88."
"3WHO. Geneva: WHO; 2018. World Malaria Report 2018".
引文存储在“引文”列的数据框 (df) 中 输出：
The C3b/C4b receptor is recognized by the Knops, McCoy, Swain-langley, and York blood group antisera
The structure and role of CR1 complement receptor in pathology
我写了一个正则表达式，看起来像这样：
df$citation = sub('[^"]*?)', "", df$citation)
df$citation = sub("\..*", "", df$citation)
关于如何只写一行有什么建议吗？ 此外，最好有一个正则表达式，如果它没有在括号中找到年份，例如第三次引用，它将删除该引用。可以这样做吗？
鉴于您的一系列要求，您可以使用
sub("^.*?\b(?:19|20)\d{2}\)\s*([^.]+).*", "\1", df$citation, perl=TRUE)
详情
^- 字符串开头.*?- 任何 0+ 个字符，换行字符除外，尽可能少\b(?:19|20)\d{2}- 字边界，19或20和任意两个数字\)- 一个)字符\s*- 0+ 个空格([^.]+)- 第 1 组：. 以外的一个或多个字符
.*- 任何 0+ 个字符，除了换行字符，尽可能多。