如何在 python 中使用正则表达式提取这句话？

Question

我正在尝试从研究文章中提取引用的句子。 我已经设法提取除一个之外的所有句子。

“相关性（对于正在经历学习过程的个人）在 Hidi 和 Renninger 的 model (2006) 中作为触发器出现，并且可以是 Priniski 等人的连续体中的任何相关类型。”

(r'\w.+\(\d{4}\)+\.*', regex = True)是我使用的模式。 我想知道是否要处理括号内的单词。

文章中的示例段落：

n \n\n关于成人教育的工作相关性：案例研究叙述 \n\nTone Vold1,2、Hanne Haave2 和 Aristidis Kaloudis1 \n1NTNU，挪威 \n2INN，挪威 \nTone.vold@ntnu.no \nTone.vold@inn .no \nHanne.haave@inn.no \nAristidis.kaloudis@ntnu.no \nDOI: 10.34190/EJKM.18.02.002 \n \n摘要：人们越来越关注高等教育的相关性。 主要是关于增加个人的工作机会或工作\进步。 然而，高等教育的相关性也可能与解决工作场所的重要问题或问题有关。 关于教育活动如何变得相关，有一些必要的先决条件。 \n首先，学生必须能够发现通用知识和获得的技能如何适用于工作中的具体\n情况。 这需要经验、对组织规范和文化的理解以及一定形式的实践智慧。

我已经拆分并标记了句子，然后将其转换为 dataframe，我尝试使用以下代码匹配并提取带有引用的整个句子

print (df[df['sentences'].str.contains((r'\w.+(\d{4})+.*', regex = True)]) 是我用来提取所有行的代码/引用 dataframe (df) 的句子

我设法编写了与 dataframe 行中的整个句子匹配的不同正则表达式模式。 与我的问题句子匹配的正则表达式模式将帮助我。

Answer 1

您的正则表达式将在括号内有 4 位数字的任何序列之后停止，在本例中为“（2006）”，重复 1 次或更多次，然后可能的句点 0 次或更多次。

因此，您需要一个模式来获取括号后字符的 rest，然后是结束句子的句点的模式，而不是捕获例如“。” 在“等人的”中。

我推荐https://regex101.com/来测试正则表达式。