regex - perl で特定のタイプの文字列を解析する

Question

次のタイプの文字列があります（引用符は、それらがすべて1行にあることを示しています）：

「AMINO-2,4,6-TRIIODOBENZOIC ACIDS Hugo Holtermann、Baerum、Leif Gunnar Haugen、オスロ、および Knut Wille、Baerum、ノルウェー、Nye-5 の譲渡者」

「エチレン化合物の製造方法 Duncan Clark and Percy Hayden, Norton-on-Tees, England, ImperiaI Chemical Industries Limited, London, England への譲渡人」

タイトル以降（すべて大文字になっている部分）をすべて取得したい。だから私は取得したいと思います:

"Hugo Holtermann, Baerum, Leif Gunnar Haugen, Oslo, and Knut Wille, Baerum, Norway, assignors to Nye-5"

「Duncan Clark および Percy Hayden、Norton-on-Tees、England、ImperiaI Chemical Industries Limited、London、England への譲渡人」

これら 2 つよりも多くの文字列がありますが、基本的な書式設定は、発明のタイトルが常に大文字と数字であるということです。

perlの正規表現でこれを行う方法はありますか?

score 1 · Accepted Answer

100% 正確である必要がない場合は、最初の大文字とそれに続く最初の小文字を探して、残りの行を取得します。

このようなもの (私の perl は少し錆びているので、構文エラーは許してください):

$part_of_line = $full_line =~/([A-Z][a-z].*)/

score 0 · Accepted Answer

これを試して：

$text = "PROCESS FOR THE PRODUCTION OF ETHYLENIC COMPOUNDS Duncan Clark and Percy Hayden, Norton-on-Tees, Eng- 5 land, assignors to ImperiaI Chemical Industries Limited, London, England ";

if($text =~ m/(\b[A-Z0-9-, ]+)\b(.*)/) {
    print "$2";
}

score 0 · Accepted Answer

どうですか：

#!/usr/bin/perl
use strict;
use warnings;
use 5.014;

my $re = qr
    /^                # Start of string
    [\p{Lu}\pN, -]+   # one or more uppercase letter or number or comma or space or dash
    (                 # start group 1
      \p{Lu}[\pL.']   # one uppercase letter followed by any letter or dot or apostroph
    )                 # end group
    /x;
while(<DATA>) {
    chomp;
    s/$re/$1/g;       # replace match by group 1
    say;
}


__DATA__
AMINO-2,4,6-TRIIODOBENZOIC ACIDS Hugo Holtermann, Baerum, Leif Gunnar Haugen, Oslo, and Knut Wille, Baerum, Norway, assignors to Nye- 5
PROCESS FOR THE PRODUCTION OF ETHYLENIC COMPOUNDS Duncan Clark and Percy Hayden, Norton-on-Tees, Eng- 5 land, assignors to ImperiaI Chemical Industries Limited, London, England
PROCESS FOR THE PRODUCTION OF ETHYLENIC COMPOUNDS D.Clark
PROCESS FOR THE PRODUCTION OF ETHYLENIC COMPOUNDS O'Connors

出力：

Hugo Holtermann, Baerum, Leif Gunnar Haugen, Oslo, and Knut Wille, Baerum, Norway, assignors to Nye- 5
Duncan Clark and Percy Hayden, Norton-on-Tees, Eng- 5 land, assignors to ImperiaI Chemical Industries Limited, London, England
D.Clark
O'Connors

score 0 · Accepted Answer

タイトルは常に大文字とスペースで終わるため、これは機能するはずです。

/^.+[A-Z]+ (.+)$/;
print $1;

score 0 · Accepted Answer

私はこれを試してみましたが、あなたが期待していた出力を得ました

if($ip =~ m/([A-Z0-9,\- ]+)([A-Z]+[a-z]+.*)/)
{
      print "$2";
}

regex - perl で特定のタイプの文字列を解析する

5 に答える 5

Related

Reference