字符串上的Regex匹配(DOI)

Question

嗨，我很难理解为什么我的Regex不起作用。

我有URL，上面有DOI，就像这样：

https://link.springer.com/10.1007/s00737-021-01116-5
https://journals.sagepub.com/doi/pdf/10.1177/1078390319877228
https://journals.sagepub.com/doi/pdf/10.1177/1078390319877228
https://onlinelibrary.wiley.com/doi/10.1111/jocn.13435
https://journals.sagepub.com/doi/pdf/10.1177/1062860613484171
https://onlinelibrary.wiley.com/resolve/openurl?genre=article&title=Natural+Resources+Forum&issn=0165-0203&volume=26&date=2002&issue=1&spage=3
https://dx.doi.org/10.1108/14664100110397304?nols=y
https://onlinelibrary.wiley.com/doi/10.1111/jocn.15833
https://www.tandfonline.com/doi/pdf/10.1080/03768350802090592?needAccess=true

我用的是这个Regex，但是它总是返回空的？

print(re.findall(r'/^10.\d{4,9}/[-._;()/:A-Z0-9]+$/i', 'https://dx.doi.org/10.1108/02652320410549638?nols=y'))

我哪里出错了？

Answer 1

看起来，您来自另一种编程语言，它有regex文字的概念，这些字面值是用正斜杠分隔的，并且在结束斜杠后面有修饰符(因此是/i)。

在Python中没有这样的东西，这些斜杠和修饰符被视为文字字符。对于像i这样的标志，您可以使用findall的可选flags参数。

其次，^将与输入字符串的开头相匹配，但很明显，作为输入的URL不以10开头，所以必须这样做。相反，您可以要求10必须跟随一个单词中断..。也就是说，它之前不应该有字母数字字符(或下划线)。

类似地，$将匹配输入字符串的末尾，但是您有URL参数，比如?nols=y，所以您感兴趣的部分在输入结束之前不会继续。所以这也必须去做。

这个点在regex中有一个特殊的含义，但是您显然想要匹配一个文字点，所以它应该转义。

最后，字母数字字符可以与\w匹配，这也匹配小写字母和大写拉丁字母，因此您可以稍微缩短字符类，并且不需要任何标志，比如i (re.I)。

这使我们有：

print(re.findall(r'\b10\.\d{4,9}/[-.;()/:\w]+', 
                'https://dx.doi.org/10.1108/02652320410549638?nols=y'))