如何编写正则表达式以在特定字符串处停止？

Question

我正在尝试编写一个解析器来根据作者、标题和评论划分一个充满数据的 .txt 文件。我遇到了障碍，不知道下一步该做什么。我在 sez # 现在将评论与标题分开的单元格中只有一行代码（正则表达式代码）有问题

代码缺少撇号 (\')。当我尝试使用插入符号 ^ 阻止最后一段时，我得到一个空集。如果下面的源文本，我会包含一些内容，以便您可以看到我正在尝试解析的混乱。这很棘手！标题将直接流入期刊名称，例如 Choice。所以我试图通过切断紧接在 \s-\s 模式之前的单词来分开。

代码如下：

with open(file) as f:
    content = f.readlines()
    content = [x.strip() for x in content]
    content = " ".join(content)

# Get all authors
pattern = r"[A-Z\-]{2,}[\,]+\s[A-Za-z\s\,\(\)\.]+\s[\-\*\•\.\■ ]{1}"
authors = re.findall(pattern, content)

# Now replace all found authors with XXX_XXX
if re.search(pattern, content):
    r = re.compile(pattern)
    content2 = r.sub(r'XXX_XXX', content)

# Now get all the content for each author
content3 = content2.split('XXX_XXX')
bib = content3[1:]

# Now separate reviews from titles
**pattern2 = r"[A-Z][a-z][\w\'\-\:\;\s\(\)]+\w+\s\-\s"**
bib2 = "".join(bib)
titles = re.findall(pattern2, bib2)

正是这条线，pattern2，我无法开始工作。源码如下：

MA, Huan • The Overall Survey Of The Ocean’s Shores 1433
Choice - v8 - 0 ’71 - pl074 MA, Huan • Ying-Yai Sheng-Lan AHR - v76 - D ’71 - pl578 GJ - vl37 - Je ’71 - p213 JAS - v31 - N ’71 - pl81 TLS - Je 16 ’72 - p681 MA, Laurence J C - Commercial Development And Urban Change In Sung China 960-1279
JAS - v31 - Ag ’72 - p928 Pac A - v45 - Summer ’72 - p285 MA, Laurence J C - The Environment JAS - v42 - N ’82 - pl39 MA, Laurence J C - Urban Development In Modern China
Choice - vl9 - Ja ’82 - p696 JAS - v42 - N 82 - pl39 MA, Nancy Chih - Cook Chinese AB - v45 - My 25 ’70 - pl786 PW - vl97 - Mr 23 ’70 - p38 MA, Nancy Chih • Don’t Lick The Chopsticks CSM - v66 - Ja 10 ’74 - pF2 LJ - v99 - Mr 15 ’74 - p757 MA, Nancy Chih - Mrs. Ma’s Japanese Cooking
VQR - v58 - Spring ’82 - p68 MA, Tsu Sheng - Microscale Manipulations In Chemistry
Choice-vl3-N ’76 -pi 164 MA, Tsu Sheng - Organic Functional Group Analysis By Gas Chromatography Choice - vl3 - F ’77 - pl624 r MA, Wei-Yi - A Bibliography Of Chinese-Language Materials On The People's Communes ARBA - vl5 - '84 - p320
Pac A - v56 - Winter ’83 - p796 MA, Wook - Seoul Ro Kanun Kil BL - v78 - 0 15 '81 - p294 y MA, Y W - Traditional Chinese Stories ANQ - vl8 - 0 ’79 - p30 BF - v4 - Ap 40 '79 - p575 Choice -vl5-Ja ’79 -pl528 HR-v32-Spring'79-pl23 JAS - v38 - Ag '79 - p773 Kliatt - vl3 • Winter '79 - p26 WIT - v53 - Summer '79 - p555 MA, Yun • Shih Ching T'ao Hsing BL - v68 - Ap 1 '72 - p651 MA BRICALL, Josep - Politica Economica De La Generalitat 1936-1939. Vol. 1 WP - v25 - O '72 - pl55 MA COY, Ramelle • Short-Time Compensation
Choice - v21 - Jl '84 - pl648 Econ Bks - vll - S ’84 - p62 c MA De - The Cowherd And The Weaving Maid
Cur R - v20 - S '81 -p325 c MA De - Crickets
Cur R - v20 - S '81 - p325 c MA De - School-Master Dongguo Cur R - v20 - S '81 - p325 c MA De - Thrice Borrowing The Plantain Fan CurR- v20-S ’81 -p325 c MA De - The Wonderful Gourds Cur R - v20 - S '81 - p325 MAACK, Berthold - Preussen JMH - v55 - Mr '83 - p71 r MAACK, Mary N - Libraries In Senegal ARBA - vl3 - '82 - pi53 CRL - v45 - Mr '84-pl52 JAL - v7 - S '81 - p244 JLH - vl9 - Spring ’84 - p315 LJ - vl07 - My 1 ’82 - p865 LQ - v52 - Ap '82-pl75 MAACK, Reinhard • Kontinentaldrift Und Geologie Des Sudatlantischen Ozeans GJ - vl36 - Mr '70 - pl38 MAAG, Russell C - Observe And Understand The Sun
S&T - v54 - S ’77 - p221 MAAG, Victor - Hiob
Rel St Rev - vlO - Ap '84 - pi 75 MAAILMA Katettu Poyta
WIT - vS8 • Winter '84 - pi 36 MAALOE, Ole - Control Of Macromolecular Synthesis
Choice - v3 - 0 '66 - p676 Sci - vl54 - D 2 '66 - pll59 MAALOUF, Amin • The Crusades Through Arab Eyes
TLS -N 16 ’84 -pi300 c MAAR, Len - Out-Of-Sight Games CBRS - v9 - F ’81 - p57 SLJ-v27 - Mr ’81 -pl48 p MAARAV
Choice - vl6 - D '79 - pl280 MAAREK, Gerard • Introduction Au Capital De Karl Marx
JEL - vl7 - Mr ’79 - p92 MAAS, Audrey Gellen • Wait Till The Sun Shines, Nellie

Answer 1

你可以只匹配记录，它是直接的部分而不是做
拆分，子和其他东西。

最后，你只是在做同样的事情。

我知道这很难。就像一条狗，骨头大到不知道怎么做
接近它。

我已经尝试更好地分解这些部分。

第 1 组包含作者。
第 2 组包含标题。
第 3 组包含杂项内容（其余内容留给下一位作者）。

我所做的只是让样本的每条记录都正确匹配。
如果样本足够多样化，这通常涵盖所有基础。

如果您发现特殊情况，则必须将其加入代码中。

注意事项 - Misc 部分使用否定断言来测试每个
直到下一个作者为止。
如果您对作者部分进行更改，则必须将该更改复制到
这个断言。

祝你好运！！

(?s)([A-Z-]{2,},*\s(?:[A-Za-z\s,().]|[A-Za-z]-[A-Za-z])+)\s[-*•.■ ]\s*(?:([A-Z](?:(?!\s+-|\s+Choice\s*-).)*?\w)(?:\s+-\s*|\s+(?=Choice\s*-)|\s*$))?((?:(?![A-Z-]{2,},*\s(?:[A-Za-z\s,().]|[A-Za-z]-[A-Za-z])+\s[-*•.■ ]).)*)

https://regex101.com/r/dg7hAB/1

Formatted/Expanded/Explained

 (?s)                          # Dot-all modifier

 (                             # (1 start), Required Author
      [A-Z-]{2,} 
      ,*                            # Optional comma's
      \s 
      (?:                           # Author characters, add more if needed
           [A-Za-z\s,().] 
        |  [A-Za-z] - [A-Za-z]           # allow hyphen between letters only
      )+
 )                             # (1 end)
 \s 
 [-*•.■ ]                      # Author ender
 \s* 
 (?:
      (                             # (2 start), Optional Title
           [A-Z]  
           (?:                           # Anything except title enders
                (?!
                     \s+ - 
                  |  \s+ Choice \s* - 
                )
                . 
           )*?
           \w                            # Should end with a word char
      )                             # (2 end)

      (?:                           # Title enders
           \s+ - \s* 
        |  \s+ 
           (?= Choice \s* - )            # Choice to be picked up by Misc Info
        |  \s* $ 
      )
 )?
 (                             # (3 start), Optional Misc Info
      (?:                           # Anything except start of new author
           (?!
                [A-Z-]{2,} 
                ,* 
                \s 
                (?:
                     [A-Za-z\s,().] 
                  |  [A-Za-z] - [A-Za-z] 
                )+
                \s 
                [-*•.■ ] 
           )
           . 
      )*
 )                             # (3 end)