php - 如何通过长文本并将其转换为 MySQL 的 Insert 语句

Question

我有一个很长的文本，看起来像这样:

1- E.M. Smith、J.P. LAVERGNE、P. VIALLEFONT 等 J. DAUNIS。 Recherches en série triazépine-1,2,4。 J. 杂环化学。 12, 66 (1975).

2- M. BENCHIDMI 等 E.M. ESSASSI。 双 s-三唑并 [4,3-b : 4,3-d] triazépines-1,2,4 的合成。 J. 杂环化学, 13, 885 (1976).

3- LAVERGNE 等 P. VIALLEFONT。 Hydrazinolyse d'azabenzodiazépinones et d'azabenzodiazépine-thiones de type 1,5。 四面体, 33, 28O7 (1977).

4- E.M. ESSASSI。"Synthèse et étude de RMN1H en présence de l'Eu(fod)3 des pyrazolo [1,5,4-ef] benzodiazépine-1,5 ones-6 公牛。社会。奇姆。比利时, 96, 399 (1987).

....

列表继续超过 300，我需要提取每一行并将其添加到 MySql 的插入查询中，删除列表编号并转义所有引号和双引号，我虽然使用正则表达式但它转对我来说是相当困难的。

插入查询应该如下所示:

INSERT INTO PUBLICATIONS (NAME,AUTHOR,CITE,PUB_YEAR) VALUES
("Recherches en série triazépine-1,2,4.", "E.M. Smith, J.P. LAVERGNE, P. VIALLEFONT et J. DAUNIS.","J. Heterocyclic Chem. 12, 66","1975"), 
( "Synthèse de bis s-triazolo [4,3-b : 4,3-d] triazépines-1,2,4.", "M. BENCHIDMI et E.M. ESSASSI.","J. Heterocyclic Chem., 13, 885","1976" ),
etc.

我只是为文本提供了一些格式以了解一些想法，但它没有空格或下一行，它们都在一个巨大的字符串中。

我的想法是使用类似的东西:

$string = "all my string"
$pattern = '/regex pattern/';
$replacement = 'result format';
echo preg_replace($pattern, $replacement, $string);

我意识到拆分它可能是不可能的，因为没有特定的模式，所以我可以手动添加一个\n\r 来拆分每一行

非常感谢!

Answer 1

编辑:经过观察，这种模式可以完成这项工作，但我需要更多的数据来查看所有可能的异常，并更好地理解这种数据的“逻辑”。 (但第一个答案总是一种方式。)

我看到的一些规则:

作者:

• 开始于 eventually with forname initials followed by the name
• 所有作者用逗号和空格分隔，最后一个用 ~ et ~
• 以一个点和一个空格结尾

标题:

• 以大写开头，最后是一个双引号
• 没有点
• 不要总是以数字结尾:
• • 前面有一个逗号，后面有一个点和一个空格
• • 或者前面加一个空格，后面加一个空格
• 除非末尾没有点

引用:

• 以大写开头
• 不同首字母大写且可以用点短的单词
• 后跟:逗号、空格、数字、逗号空格数、空格。

代码

$subject = <<<LOD
1- E.M. Smith, J.P. LAVERGNE, P. VIALLEFONT et J. DAUNIS. Recherches en série triazépine-1,2,4. J. Heterocyclic Chem. 12, 66 (1975).
2- M. BENCHIDMI et E.M. ESSASSI. Synthèse de bis s-triazolo [4,3-b : 4,3-d] triazépines-1,2,4. J. Heterocyclic Chem., 13, 885 (1976).
3- LAVERGNE et P. VIALLEFONT. Hydrazinolyse d'azabenzodiazépinones et d'azabenzodiazépine-thiones de type 1,5. Tetrahedron, 33, 28O7 (1977).
4- E.M. ESSASSI. "Synthèse et étude de RMN1H en présence de l'Eu(fod)3 des pyrazolo [1,5,4-ef] benzodiazépine-1,5 ones-6 Bull. Soc. Chim. Belg., 96, 399 (1987).
1O- J.M.F. BOURGOIN-DE-LA-VILLARDIERE. Recherches en série triazepine-1,2,4: 1 - détermination de la structure de la triazolotriazépinone obtenue par action de l'acétylacétate d'éthyle sur le diamino-3,4 triazole-1,2,4 J. Heterocyclic Chem., 13, 885 (1976).
LOD;
$pattern =
 '~# authors :
  (?(DEFINE)(?<FN>(?:[A-Z]\.){0,3}+(?(?<=\.)\h)) ) # ForName
  (?(DEFINE)(?<NM>[A-Z](?:[A-Z]++|[a-z]++)(?:-[A-Z](?:[A-Z]++|[a-z]++))*+)) # NaMe
  [O\d]++-\h(?<author>(?&FN)(?&NM)(?>(,\h(?&FN)(?&NM))*+\het\h(?&FN)(?&NM))?+)\.\h
  # titles :
  "?+(?<title>[A-Z][^.]+?(?:\.|(?:,|-)\d))\h
  # cites :
  (?<cite>(?:[A-Z][a-z]*+\.?+\h)*[A-Z][a-z]*+\.?+,?+\h[O\d]++,\h[O\d]++)\h
  # date :
  \((?<date>[^)]++)\) 
 ~x';               

preg_match_all($pattern, $subject, $matches, PREG_SET_ORDER);
foreach ($matches as &$match) {  //cosmetic
    foreach ($match as $key=>$value) {
        if (is_numeric($key)||$key=='NM'||$key=='FN') unset($match[$key]);
    }
} 
echo '<meta charset="UTF-8"/><pre>' . print_r($matches, true) . '</pre>';

--编辑前回答--

哇，您是否注意到作者、姓名和引用之间完全没有区别。一种方法是手动切片(作者、姓名和引用之间的简单换行符)(每行大约 5 秒，不到 30 分钟就完成了，头头油头:)。

我这么说是因为我在作者、姓名和引用之间看到的唯一区别是无法与正则表达式匹配的意义。

如果你使这个令人讨厌的工作，那么进行sql查询就很容易了。示例:

1- E.M. Smith, J.P. LAVERGNE, P. VIALLEFONT et J. DAUNIS.
Recherches en série triazépine-1,2,4.
J. Heterocyclic Chem. 12, 66 (1975).

就是这样，无需触摸数字或日期，正则表达式就可以完成这项工作。如果您执行此工作，请编辑您的消息以获得对正则表达式的一些帮助。