javascript - 通过不同的分隔符将两个不同格式的字符串分成几部分

Question

有一个用户输入字符串，它可以有两种不同的格式，但有一些细微的变化:

Some AB, Author C, Names DEF,(2018) The title string. T journal name, 10, 560–564
Some AB, Author C, Names DEF (2018) The title string? T journal name 10:560-564
Some AB, Author C, Names DEF et al (2018) The title string? T journal name 10:560-564
Some AB, Author C, Names DEF. The title string. T journal name 2018; 10: 560-564
Some AB, Author C, Names DEF. The title string. T journal name 2018;10:560-564

我需要得到的是:

1. 作者字符串部分:Some AB、Author C、Names DEF 或 Some AB、Author C、Names DEF et al
2. 文章标题字符串:标题字符串或标题字符串？
3. 期刊名称字符串:T 期刊名称
4. 年份值:2018
5. 版本值:10
6. 页码560-564

所以我必须用分隔符 . 或 (1234)、; 和 : 分割字符串.

我没有有效的正则表达式，而且我不知道如何处理这两种格式，它们的年份值位于不同的位置。

我从以下内容开始:

string.split(/^\(\d+\)\s*/)

但是当我得到一个数组时，我该如何继续。

Answer 1

我还建议使用匹配模式:

^([^.(]+)(?:\((\d{4})\)|\.)\s*([^?!.]*.)\s*([^0-9,]+)(\d{4})?[,; ]*([^,: ]*)[,;: ]*(\d+(?:[–-]\d+)?)

或者更具可读性的版本 named capture groups ^*:

^(?<author>[^.(]+)(?:\((?<yearf1>\d{4})\)|\.)\s*(?<title>[^?!.]*.)\s*(?<journal>[^0-9,]+)(?<yearf2>\d{4})?[,; ]*(?<issue>[^,: ]*)[,;: ]*(?<pages>\d+(?:[–-]\d+)?)

我支持 Schifini 使用否定字符类来查找所需片段的方法。
为了区分这两种不同的格式，我为年份格式 1 和格式 2 添加了两个可选的命名组，并将其余部分包装在其他捕获组中。剩下的唯一事情就是检查第 2 组或第 5 组是否包含年份。

Demo

代码示例:

const regex = /^([^.(]+)(?:\((\d{4})\)|\.)\s*([^?!.]*.)\s*([^0-9,]+)(\d{4})?[,; ]*([^,: ]*)[,;: ]*(\d+(?:[–-]\d+)?)/gm;
const str = `Some AB, Author C, Names DEF,(2018) The title string. T journal name, 10, 560–564
Some AB, Author C, Names DEF (2018) The title string? T journal name 10:560-564
Some AB, Author C, Names DEF et al (2018) The title string? T journal name 10:560-564
Some AB, Author C, Names DEF. The title string. T journal name 2018; 10: 560-564
Some AB, Author C, Names DEF. The title string. T journal name 2018;10:560-564`;
let m;

while ((m = regex.exec(str)) !== null) {
    // This is necessary to avoid infinite loops with zero-width matches
    if (m.index === regex.lastIndex) {
        regex.lastIndex++;
    }
    array={};
    m.forEach((match, groupIndex) => {
        switch(groupIndex) {
        case 0:
            console.log(`Full match: ${match}`);
            break;
        case 1:
            array['author'] = match.trim();
            break;
        case 2:
            if(match)
                array['year'] = match;
            break;
        case 3:
            array['title'] = match.trim();
            break;
        case 4:
            array['journal'] = match.trim();
            break;
        case 5:
            if(match)
                array['year'] = match.trim();
            break;
        case 6:
            array['issue'] = match.trim();
            break;
        case 7:
            array['pages'] = match.trim();
            break;        
        default:
            console.log(`Unknown match, group ${groupIndex}: ${match}`);
        }
    });
    console.log(JSON.stringify(array));
}

_{^*Javascript are not supported 中的命名捕获组在所有主要浏览器中。只需删除它们或使用 Steve Levithan's XRegExp library解决了这些问题。}