☰

LibreOffice Calc »regex« 函数——哪种正则表达式格式适用？

tag-icon • tag-icon regex libreoffice-calc
LibreOffice Calc »regex« 函数——哪种正则表达式格式适用？

我想在句子中查找像 DOI 这样的字符串，并在单元格中提取结果。我在 LibreOffice Calc（当前版本 6.2.4.2）中找到了 »regex« 函数，它告诉我它可以完全按照我的要求执行。

例子：

Foo bar doi: 10.1016/j.cmpb.2018.09.006 baar foooo

我在 python 中的正则表达式是： \b(10[.][0-9]{4,}(?:[.][0-9]+)*\/(?:(?![\"&\'<>])\S)+)\b 并且在 python 脚本中非常适合我（它完全匹配 doi 编号，而不需要 »doi« 字符串，这是有意为之）。

但是 »regex« 函数拒绝了这个正则表达式。文档中提到了 ICU 正则表达式，与我的正则表达式相比，我没有发现任何问题。

我是否遗漏了什么？哪种 »regex 方言« 适用于 LibreOffice？

答案1

在列表中常用表达LibreOffice 支持大多数标准表达式，但缺少您使用的两个元素：

  1. 用于?:非捕获组；

  2. 用于?!负面前瞻。

                      1              1  2
                  |              |  |
                  v              v  v
\b(10[.][0-9]{4,}(?:[.][0-9]+)*/(?:(?!["&'<>])\S)+)\b

我不知道这代表什么级别的 RE（它似乎是带有附加功能的 BRE），但这意味着你的 RE 将与你的测试字符串不匹配。

目前尚不清楚您的字符串中有多少构成了您要隔离的数字，因此我无法建议您如何避免不受支持的元素，但有以下几种可能性：-

  • doi:如果您需要和之间的数字字符串/，那么更简单的\b10[.][0-9]{4,}(?:[.][0-9]+)*就足够了。
  • 如果您需要doi:和下一个空格之间的所有内容，那么您可以使用\b10[.][0-9]{4,}(?:[.][0-9]+)*[^\s]*。

（第二种情况与你的 RE 相同正则表达式。

我意识到您的实时数据可能存在更多必须捕获的异常，但如果不完全了解您的数据和您尝试匹配的数字，我就无法做更多的事情。

相关内容