Regex搜索提取R中的BibTeX标题字符串

Question

我在R中有一个数据框架，其中有一个名为Title的列是一个BibTeX条目，如下所示：

={Proofs that yield nothing but their validity or all languages in NP have zero-knowledge proof systems},\n  
author={Goldreich, Oded and Micali, Silvio and Wigderson, Avi},\n  
journal={Journal of the ACM (JACM)},\n  
volume={38},\n  
number={3},\n  
pages={690--728},\n  
year={1991},\n  
publisher={ACM New York, NY, USA}\n}

我只需要提取BibTeX引用的标题，即={之后和下一个}之前的字符串。

在这个例子中，输出应该是：

Proofs that yield nothing but their validity or all languages in NP have zero-knowledge proof systems

我需要对数据帧中的所有行执行此操作。并非所有行都有相同数量的BibTeX字段，因此regex必须忽略第一个}之后的所有内容。

我目前正在尝试sub(".*\\={\\}\\s*(.+?)\\s*\\|.*$", "\\1", data$Title)，并会见了TRE pattern compilation error 'Invalid contents of {}'

我该怎么做？

Answer 1

一种可能的解决方案，使用stringr::str_extract和查找：

library(stringr)

str_extract(s, "(?<=\\{)[^}]+(?=\\})")

#> [1] "Proofs that yield nothing but their validity or all languages in NP have zero-knowledge proof systems"

Answer 2

请注意，{字符是一个特殊的正则元字符，它需要转义。

要匹配大括号之间的任何字符串，您需要一个基于否定字符类(否定括号表达式)的模式，如\{([^{}]*)}。

您可以使用

sub(".*?=\\{([^{}]*)}.*", "\\1", df$Title)

见regex演示和R演示

Title <- c("={Proofs that yield nothing but their validity or all languages in NP have zero-knowledge proof systems},\n  author={Goldreich, Oded and Micali, Silvio and Wigderson, Avi},\n  journal={Journal of the ACM (JACM)},\n  volume={38},\n  number={3},\n  pages={690--728},\n  year={1991},\n  publisher={ACM New York, NY, USA}\n}")
sub(".*?=\\{([^{}]*)}.*", "\\1", Title)

输出：

[1] "Proofs that yield nothing but their validity or all languages in NP have zero-knowledge proof systems"

图案细节

• .*? -任何零或多个字符，尽可能少
• =\\{ -一个={子字符串
• ([^{}]*) -第1组(\1)：除大括号外的任何零个或多个字符
• } -一个}字符(它不是特殊的，不需要逃避)
• .* -剩下的字符串.