使用正则表达式从字符串中提取多个单词

Question

我正在尝试从一份文件的一部分中提取所有参考文献作为列表。 现在，我只有一个段落并将其设置为字符串。

我想知道是否有可能在python上使用正则表达式来做到这一点？ 我希望能够从字符串中提取多个单词，但是到目前为止，我所能做的只是提取年份，单个单词或字符，而不是一次提取整个引用。 确实存在很多条件，因为引用的格式可能不同，例如：

text="As shown by Macelroy et al. (1967), bla bla. Podar & Reysenbach (2006) also researched ... Another example is ... (Valdes et al. 2008). Most notably .... Edwards, Bartlett & Stirling (2003)."

因此，有些数字包含在方括号内，有些数字完全包含在方括号内，有些则包含多个大写单词，有些则包含“ et al”等。 是否可以在一次搜索中定义所有这些要求，然后将它们全部打印出来？

我知道有一些网站或程序可以将其放入其中，以便为我提取所有参考，但我想知道自己如何做。

谢谢

注意：编辑以阐明引用将如何嵌入到字符串中

Answer 1

import re
t = """
As shown by Macelroy et al. (1967), bla bla. Podar
 & Reysenbach (2006) also researched ... Another example is ... (Valdes et al. 2008). Most notably .... Edwards, Bartlett & Stirling (2003).
"""
f = ["".join(result).replace("(","") for result in re.findall("([A-Z])([^A-Z)]+|[^.,]+)([0-9]{4})",t,re.S)]
print(f)

1. （[AZ]）匹配一个印刷体字母

2. [^ AZ）] + | [^。，] +匹配两种情况，

   • 匹配字符串未经块函)
   • 匹配不包含,.的字符串,. 因为如果包含,或. 可能匹配整个句子

3. [0-9] {4}以4个数字结尾