正则表达式：“中间”：和一个空格

Question

我知道这里有大量类似的“合并2个正则表达式”的帖子，但是我已经尝试了解决方案，并不断地得到错误。

我有正则表达式来解析如下描述：

Org Biomol Chem. 2011 May 7;9(9):3549-59. doi: 10.1039/c1ob05128h. Epub 2011 Mar 28.

要提取DOI (数字对象标识符)：

1. ([^:]+$) ->10.1039/c1ob05128 h。2011年3月28日。
2. ([^\s]+) ->10.1039/c1ob05128 h。

但我对如何把它们结合起来却一无所知。如果这很困难，那就没有必要了，但会简化我的计算。

我也想不出最后的办法是什么“。这不是DOI字符串的一部分(为了记录，DOI中可能有两个以上的句号，所以regex不能简单地“在第二个句号之后”)。

所要求的其他一些例子：

Chem Soc Rev. 2008 Nov;37(11):2413-21. doi: 10.1039/b719548f. Epub 2008 Sep 16.
Small. 2010 Dec 20;6(24):2796-820. doi: 10.1002/smll.201001881. Review.
Org Lett. 2010 Oct 1;12(19):4248-51. doi: 10.1021/ol101920b.
Chemistry. 2010 Dec 27;16(48):14285-9. doi: 10.1002/chem.201002111. No abstract available. 

到目前为止，我所做的所有尝试都给出了类似于以下结果的结果：

​

​

杜克林提出的"doi：(^\s+). (^：+).“建议的一些例外情况是：

• Chem Commun (Camb)2012年12月25日；48(99)：12094-6。doi: 10.1039/c2cc35588d。
• 组织生物化学。2013年1月7日；11(1)：27-30。doi: 10.1039/c2ob26587g。
• Chem Commun (Camb)2013年1月25日；49(7)：671-3。doi: 10.1039/c2cc37953h。
• 里特。2010年10月1日；12(19)：4248-51。doi: 10.1021/ol101920年b.化学。2010年7月26日；16(28)：8537-44。doi: 10.1002/chem.201000773。
• Chem Commun (Camb)2012年12月25日；48(99)：12094-6。doi: 10.1039/c2cc35588d。
• 组织生物化学。2013年1月7日；11(1)：27-30。doi: 10.1039/c2ob26587g。
• Chem Commun (Camb)2013年1月25日；49(7)：671-3。doi: 10.1039/c2cc37953h。
• 里特。2010年10月1日；12(19)：4248-51。doi: 10.1021/ol101920b.
• 化学。2010年7月26日；16(28)：8537-44。doi: 10.1002/chem.201000773。

Answer 1

如果您只希望.消失，这似乎是可行的：

"doi: ([^\s]+)\."

所以我们只是把.放在括号之外，这样它就不会与字符串一起分组了。

如果您想要在两个单独的字符串中提取10.1039/c1ob05128h和Epub 2011 Mar 28，可以使用群组进行此操作。您可以将regex设置为：

"doi: ([^\s]+)\.(?: ([^:]+)\.)?"

考虑到第二部分似乎是可选的，我们需要用括号包围它，用?标记为可选的(而?:使它成为一个非捕获组，所以您不会在第二个单元格中得到它，而不是您想要的)。

谷歌似乎会自动将=CONTINUE(..., 1, 2)填充到下一个单元格中，这样你就可以把两个组放在一起了。

追求使.**'s 成为可选的**

起初，我只想说\.?，但显然[^\s]+会使用. (这是不需要的)。

因此，您需要在括号中包含一些内容，以防止出现这种情况。具体来说，您需要检查最后一个字符，并确保它不是.。

这促使我：

"doi: ([^\s]*[^.\s])\.?(?: ([^:]*[^.:])\.?)?"

这允许可选的.，但是如果最后有一个以上的.，它就不能工作。假设我们不想在输出中使用这些，那么通过将\.?更改为\.*很容易修复这些问题。

"doi: ([^\s]*[^.\s])\.*(?: ([^:]*[^.:])\.*)?"

Answer 2

=REGEXEXTRACT(cell;"doi: ([.\d]+\/[\w\.]+)\.(?: |$)")

->提取10.1039/c1ob05128 h

不需要组合正则表达式，它可以立即完成。

我在你的所有例子上都试过了，它起作用了。

Answer 3

我相信这可能会有效果：

/doi: ((\S+)(?:\. .+)?)\.$/

最外层的组(捕捉较长的字符串)是捕获组1，最内部的组是捕获组2。