REGEX搜索以提取r中的bibtex标题字符串

Question

我在R中有一个数据框架，其中一个列，名为title，是一个看起来像这样的bibtex条目：

={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= = {和 在此示例中，下一个}之前

，输出应为：

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

我需要对数据框中的所有行进行此操作。并非所有行都具有相同数量的bibtex字段，因此第一个}

我当前尝试sub（“。*\\ = {\\} \ \ s*（。+？）\\ s*\\ |。 }'

我应该如何做？

Answer 1

使用stringr :: str_extract和lookaround的可能解决方案：

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，{ char是一种特殊的正则元时间，需要逃脱。

要匹配卷曲括号之间的任何字符串，您需要基于否定的字符类（否定的括号表达式），例如\ {（[^{}}]*）}。

您可以使用

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

regex demo 和 r demo ：

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)

output：

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

模式详细信息：

• 。*？？ - 任何零或更多chars，可能的
• = \\ { - a = { substring
• （[^{}]*） - 组1（\ 1 ）：除卷曲括号以外的任何零或更多字符
• } - a } char（这不是特别的，无需逃脱）
• 。* - 字符串的其余部分。