python+正则表达式提取“参考文献”中的作者名，发表日期等信息

最新推荐文章于 2023-06-29 15:24:16 发布

爱学习的蒋蒋

最新推荐文章于 2023-06-29 15:24:16 发布

阅读量8.7k

点赞数 6

分类专栏： python 文章标签： python re模块正则表达式 pandas

本文链接：https://blog.csdn.net/qq_34684171/article/details/77648998

版权

此文章为作者原创，如转载请先联系作者。

一、任务描述

如下图（excel表截图，输出示例.xlsx）：

这里写图片描述

现需要从上图V列“参考文献”里提取出从N列到U列（除Q列以外，Q列文献期的内容不存在）

二、思考

第一步，观察数据

以参考文献下的第一个数据为例：

这里写图片描述

首先观察到双引号里的内容是“文献题目”，“1990”是文献年，”Acker， Joan”是文献作者，“Gender and Society”是文献期刊，4是文献卷，139-58中139是文献起始页，58是页数，则文献结束页就是197。

当然这是理想的情况，扫视一遍数据，发现还是有很多不属于这个格式的。

像下面几种数据

Acker, Joan. 2006. Class Questions: Feminist Answers.
Lanham, MD: Rowman & Littlefíeld.

这样的数据大概有两三个。他们是没有文献卷和文献起始页和页数的，有的文献题目还不在双引号内。

Charles, Maria and David B. Grusky. 2007. “Egalitari-
anism and Gender Inequality.” Pp. 327-42 in The
Inequality Reader: Contemporary and Foundational
Readings in Race, Class, and Gender, edited by D.
Grusky and S. Szelényi. Boulder, CO: Westview Press.

这样的完全不同格式的数据只有这一个。

总之，大部分数据