python - 在 python 中循环一个正则表达式替换一个字符串——缺少一些明显的东西

Question

我正在尝试从文档的引文中迭代地删除第 2、第 3...第 n 位作者，这些引文的形式是这样的(经过一些清理步骤后)

Straat, Ark, Sijtsma 2013, 75-99.

Nardulli, Peyton, Bajjalieh 2013, 139-192.

我的策略是，采用 AUTHOR1...AUTHORn-1 AUTHORn YEAR 形式的引用:

1) 匹配 AUTHORn-1 AUTHORn YEAR,

2)使用group replace，将匹配的子串替换为AUTHORn-1 YEAR，这样整体的引用就变成了AUTHOR1...AUTHORn-1 YEAR。

3) 然后循环再做一次，直到剩下的是 AUTHOR1 YEAR。我在这里进行了十次迭代，因为我知道没有超过十人的多作者引用。

我的代码如下:

def multiAuthor(citestring):
    longcite = r'([\s(][A-Z1][A-Za-z1]*-?[A-Za-z1]*),[\s(][A-Z1][A-Za-z1]*-?[A-Za-z1]*[ ,]?( \(?\d\d\d\d[a-z]?[\s.,)])'
    for x in range(0, 10):
        newstring = re.sub(longcite, '\g<1>\g<2>', citestring)
    return(newstring)

这是在由换行符分隔的脚注字符串上调用的，它在第一次迭代时起作用。对于我上面给出的两个示例匹配，它正确返回:

Straat, Ark 2013, 75-99.

Nardulli, Peyton 2013, 139-192.

但仅此而已。它没有成功地对第一个以外的任何循环进行替换，因此无法去除第二个作者。

我一直在使用 regex101 进行调试，但正式被难住了。表达式的第一次迭代:https://www.regex101.com/r/jM2fF4/3 --- 然后在运行替换后，第二个循环中的正则表达式也匹配，并且应该再次替换:https://regex101.com/r/fZ1pX7/4

所以我认为我的正则表达式是正确的。我只是错过了一些愚蠢而明显的东西吗？ (我是 python 领域的新手，但我已经双重和三次检查了我的循环语法，我认为它是正确的。)

使用 python 3。

如果您想亲眼看看它的实际效果，我还在此处提供了一个最小的可运行示例(使用空格而不是换行符，但没有差异):https://github.com/paultopia/stray-cites/blob/master/minimal-test.py

救救我，StackObi Wan，你是我唯一的希望......？

编辑:我确实遗漏了一些明显的东西，请参阅下面我的 self 回答；留下这个，因为它可能是一个常见的 oopsie。

Answer 1

这是你想要的东西吗？

([^,]*).*?([0-9].*?)\.\s*

查看 regex101 上的 fork .

• ([^,]*) 匹配到 ,(逗号)
• .*? 忽略直到...
• ([0-9].*?)\.最多匹配一个数字.`(点)
• \s* 匹配在此之后的任何空格

然后，在替换中:

`\1 \2`

这是上面的第一个和第二个匹配项 - 分别是名称和页码/年份。