使用正则表达式查找物种名称和作者名称
我正在努力制定一个正则表达式，从列表中提取所有物种名称(group1)和作者名称(group2)。我对python相当陌生，希望得到任何帮助。
这是清单的一部分：
[医]金合欢
达尔贝贾·阿达米·贝哈特
[医]黄芩G.Don
J.Linares & M. Sousa
[医][医]& Dalziel
[医]。
Dalbergia amazonica (Radlk.)杜克
[医]金龟子( Dalbergia amerimmon . ex B.D.Jacks )
[中英文摘要]中华白头翁& R.Rabev.
[医]柴胡
[医]柴胡
[医] E.Mey.
[医][医]马尾草
[医]紫荆，博塞尔& R.Rabev.
[医]巴罗尼达尔贝贝克尔
[医][医] R.Vig.
[医]水曲柳
[医]黄柏
[医]达尔贝吉伪科学。
[医]鹅掌楸属。[医]梭特。
[医]白僵菌亚种白粉菌群
通常种名有一个属和一个种名，有些有亚种名称。我可以用：
([A-Z][a-z]*[\s]{1}[a-z]*|[A-Z][a-z]*[\s]{1}[a-z]*[\s]{1}[a-z]*)我不会因为"-“而发现一些例外，比如"Dalbergia because sissoo”。我不知道如何处理变种“var”。或以"subsp.“表示亚种的情况。
我不能想出一个正则表达式来处理作者的复杂结构。他们总是以大写字母或"(“)开头。
有些条目没有作者，我仍然希望物种条目被退回。
到目前为止，这是我的尝试，但没有得到我想要的一切：
([A-Z][a-z]*[\s]{1}[a-z]*|[A-Z][a-z]*[\s]{1}[a-z]*[\s]{1}[a-z]*)\s([A-Z][a-z]*|[(][A-Z][a-z]*|[\0])它确实与任何一个属的名称相匹配，如果之前的行没有作者的名字。
提前感谢您的帮助！
回答 3
Stack Overflow用户
发布于 2021-03-04 13:10:14
这应该可以做到：
^(?P<species>[A-Z][^A-Z(]+)(?P<author>(?<!^).*)$^--断言行的开始(?P<species>[A-Z][^A-Z(]+)命名的捕获组“物种”必须以一个大写字母开头，然后获取所有东西，而不是大写或括号。(?P<author>(?<!^).*)命名的捕获组"author“不能在行开始时捕获到行尾之前的所有内容。$--行尾断言
Stack Overflow用户
发布于 2021-03-04 13:11:14
那么像^([A-Z][^A-Z(]+)([(A-Z].+)?$这样的正则表达式呢？
import re
data = """Dalbergia acutifoliolata Mendonca & Sousa
Dalbergia adami Berhaut
Dalbergia afzeliana G.Don
Dalbergia agudeloi J.Linares & M. Sousa
Dalbergia albiflora Hutch. & Dalziel
Dalbergia altissima Baker f.
Dalbergia amazonica (Radlk.) Ducke
Dalbergia amerimmon L. ex B.D.Jacks
Dalbergia andapensis Bosser & R.Rabev.
Dalbergia arbutifolia Baker
Dalbergia arbutifolia aberrans Polhill
Dalbergia armata E.Mey.
Dalbergia assamica Benth.
Dalbergia aurea Bosser & R.Rabev.
Dalbergia baronii Baker
Dalbergia bathiei R.Vig.
Dalbergia benthamii
Dalbergia berteroi
Dalbergia pseudo-sissoo Miq.
Dalbergia ovata var. glomeriflora (Kurz) Thoth.
Dalbergia albiflora subsp. albiflora"""
pattern = re.compile(r"^([A-Z][^A-Z(]+)([(A-Z].+)?$")
for entry in data.splitlines():
matcher = pattern.match(entry)
print("Name: {0:50} Author: {1}".format(*matcher.groups()))输出
Name: Dalbergia acutifoliolata Author: Mendonca & Sousa
Name: Dalbergia adami Author: Berhaut
Name: Dalbergia afzeliana Author: G.Don
Name: Dalbergia agudeloi Author: J.Linares & M. Sousa
Name: Dalbergia albiflora Author: Hutch. & Dalziel
Name: Dalbergia altissima Author: Baker f.
Name: Dalbergia amazonica Author: (Radlk.) Ducke
Name: Dalbergia amerimmon Author: L. ex B.D.Jacks
Name: Dalbergia andapensis Author: Bosser & R.Rabev.
Name: Dalbergia arbutifolia Author: Baker
Name: Dalbergia arbutifolia aberrans Author: Polhill
Name: Dalbergia armata Author: E.Mey.
Name: Dalbergia assamica Author: Benth.
Name: Dalbergia aurea Author: Bosser & R.Rabev.
Name: Dalbergia baronii Author: Baker
Name: Dalbergia bathiei Author: R.Vig.
Name: Dalbergia benthamii Author: None
Name: Dalbergia berteroi Author: None
Name: Dalbergia pseudo-sissoo Author: Miq.
Name: Dalbergia ovata var. glomeriflora Author: (Kurz) Thoth.
Name: Dalbergia albiflora subsp. albiflora Author: NoneStack Overflow用户
发布于 2021-03-04 13:34:07
你可以试试这个：
(^\w+.*?)(?:([A-Z(].*)|$)(^\w+.*?)在作者姓名第一次出现或没有出现之前捕获单词/字符(可以以大写字母或左圆括号开头)。(?:([A-Z(].*)|$)捕获以大写字母或圆括号开头的作者名称(如果存在)，如果它是字符串的结尾，则为“其他匹配”
https://stackoverflow.com/questions/66475350
复制相似问题
腾讯云开发者
