google-sheets - 从 APA 引文中提取文本

Question

我有一个包含 APA 引文样式文本的电子表格，我想将它们分成作者、日期和标题。

引用的一个例子是:

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

鉴于此字符串位于字段 I2 中，我设法执行以下操作:

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昆虫媒体:动物和技术考古学。

仅限我当前的公式 =MID(I2,FIND(").",I2)+2,FIND(").",I2)-FIND(".",I2))部分返回标题 - 输出应显示 ). 和以下 ..

之间的每个字符

我尝试了 =REGEXEXTRACT(I2, "\)\.\s(.*[^\.])\.\s") 这通常有效，但不会在第一次停止“.” - 就像这个例子一样:

Sanders, E. B.-N.、Brandt, E. 和 Binder, T. (2010)。用于组织参与式设计的工具和技术的框架。第 11 届双年度参与式设计 session 论文集(第 195-198 页)。 ACM。检索自http://dl.acm.org/itation.cfm?id=1900476

哪里错了？

Answer 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)

英语:获取从第一次出现 ). 开始的子字符串，直到并包括第一次出现 . 后面的内容。

如果您希望使用REGEXEXTRACT，那么这可以工作(在您的两个示例中)。 (您还可以看到 Regex101 demo 。):

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

Where is the mistake?

在您的表达式中，您捕获了(.*[^\.])，其中贪婪地包含任意数量的字符，后跟字符类中的字符not(反斜杠或点)，表示可以捕获多个句子。表达式以 \.\s 结尾，但未被捕获，因此捕获组将在句号后空格之前结束，而不是包含它。 p>