从 APA 引文中提取文本答案

【问题标题】：Extracting text from APA citation从 APA 引文中提取文本
【发布时间】：2016-11-05 15:23:22
【问题描述】：

我有一个包含 APA 引文样式文本的电子表格，我想将它们分成 author(s)、date 和 title。

引用的一个例子是：

Parikka, J. (2010). Insect Media: An Archaeology of Animals and Technology. Minneapolis: Univ Of Minnesota Press.

鉴于此字符串在字段 I2 中，我设法做到了以下几点：

名称：=LEFT(I2, FIND("(", I2)-1) 产生 Parikka, J.

日期：=MID(I2,FIND("(",I2)+1,FIND(")",I2)-FIND("(",I2)-1) 产生 2010

但是，我无法提取标题的名称Insect Media: An Archaeology of Animals and Technology.

我当前的公式 =MID(I2,FIND(").",I2)+2,FIND(").",I2)-FIND(".",I2)) 仅返回部分标题 - 输出应显示 ). 和以下 . 之间的每个字符。

我试过=REGEXEXTRACT(I2, "\)\.\s(.*[^\.])\.\s" )，这通常有效，但不会停在第一个“。” - 就像这个例子：

Sanders, E. B.-N., Brandt, E., & Binder, T. (2010). A framework for organizing the tools and techniques of participatory design. In Proceedings of the 11th biennial participatory design conference (pp. 195–198). ACM. Retrieved from http://dl.acm.org/citation.cfm?id=1900476

错在哪里？

【问题讨论】：

标签： google-sheets formulas re2

【解决方案1】：

可以通过以下方式找到标题（至少在您给出的两个示例中）：

=MID(I2,find("). ",I2)+3,find(". ",I2,find("). ",I2)+3)-(find("). ",I2)+3)+1)

英文：获取从).第一次出现之后开始的子字符串，直到并包括.的第一次出现。

如果您想使用REGEXEXTRACT，那么这有效（在您的两个示例中）。（你也可以看到Regex101 demo。）：

=REGEXEXTRACT(I3,"(?:.*\(\d{4}\)\.\s)([^.]*\.)(?: .*)")

错在哪里？

在您的表达式中，您正在捕获(.*[^\.])，它贪婪地包含任意数量的字符，后跟字符类not (backslash or dot) 中的一个字符，这意味着可以捕获多个句子。表达式以 \.\s 结尾，它未被捕获，因此捕获组将在之前一个句点-然后-空格结束，而不是包含它。

【讨论】：

【解决方案2】：

试试：

=split(SUBSTITUTE(SUBSTITUTE(I2, "(",""), ")", ""),".")

如果2010年左右不替换括号，它认为是负数-2010。

对于您的标题，请尝试将索引拆分添加到您现有的公式中：

=index(split(REGEXEXTRACT(A5, "\)\.\s(.*[^\.])\.\s" ),"."),0,1)&"."

【讨论】：

嗨！这一年确实有效，但我正在努力输出“）”之后的整个标题长度。然后是另一个“.”