I培養物+サブ培養（理想的には、グループ1 & 2のそれぞれ）を収集するために、テキストの次のブロックを分析しようとしている繰り返し{}

Question

で）（グループを見つけるために正規表現を使用した：

ホーム神のエリシウム、アバロン、地上の楽園。 - ケルト（一般）：マククロック・セルティック14。アイルランド語：ibid。 37f。、114ff。、Cross;ウェールズ：ibid。 193; Icel：MacCulloch Eddic 312ff。ヒンドゥー：Penzer I 125 n。 1。ユダヤ人：ノイマン.-ハワイ：ベックウィズミス67。そう。 Am。インド（Apapocuv \ xe1-Guarani）：M \ xe9traux RMLP XXXIII 122;アフリカ（牙）：Trilles 130

私の最高の試みは、これまでのところ、次の正規表現を使用している：

以下になり

(\w+)\.?\:|(\w+\.?\s?){0,3}\((.*?)\)\: 

：

[(u'', u'Celtic ', u'general'), (u'Irish', u'', u''), (u'Welsh', u'', u''), (u'Icel', u'', u''), (u'Hindu', u'', u''), (u'Jewish', u'', u''), (u'Hawaii', u'', u''), (u'', u'Indian ', u'Apapocuv\xe1-Guarani'), (u'', u'Africa ', u'Fang')] 

それに問題がありますそうではなく、「Apapocuv \ xe1-Guarani」の前に「インド人」しか得ていないということです。 Am。インド人。

（ヒンドゥー教、ユダヤ人のアイルランド、ハワイ）第二グループ'(\w+\.?\s?){0,3}'：

1. 最初のグループ'(\w+)\.?\:'で終わる任意の単語です：ここでは

   は、システム全体のための私のロジック/要件の内訳は、具体的に "So Am Am。Indian"を取得するためのものです。これは問題が発生しているセクションです。私はインド人だが、そうはしない。 Am。インド人。私はまた、 "ソー・インディアン・インディアン、インディアン・インディアン、インディアン・インディアン・インディアン・インディアン"などのバリエーションを得る必要があります

2. 第3グループ'\((.*?)\)\'（第2セクションと一緒に）そう：アフリカ（牙）

私は2つのグループでこれらの仕事を持っているのが大好きですが、私は後でコードに3を扱うことができます。誰かがアイデアを持っているなら、私は最も感謝しています。

Answer 1

例（ジャバスクリプト）

var s = "Home of the gods. Elysium, Avalon, earthly paradise.--Celtic (general): MacCulloch Celtic 14; Irish: ibid. 37f., 114ff., Cross; Welsh: ibid. 193; Icel.: MacCulloch Eddic 312ff.; Hindu: Penzer I 125 n. 1.; Jewish: Neuman.--Hawaii: Beckwith Myth 67; So. Am. Indian (Apapocuv\xe1-Guarani): M\xe9traux RMLP XXXIII 122; Africa (Fang): Trilles 130." 
var rx = /(?:\-{2}|\;\s)((?:\w+\.\s)*\w+)(?:\s\(([^\)]+)\))?\:/g 

while(m = rx.exec(s)){ 
    console.log(m[1] + ', ' + m[2]); 
} 

出力

Answer 2

Celtic, general 
Irish, undefined 
Welsh, undefined 
Hindu, undefined 
Jewish, undefined 
Hawaii, undefined 
So. Am. Indian, Apapocuvá-Guarani 
Africa, Fang 

基に{0,3}ような繰り返しオペレータを追加に伴う問題は、そのグループの後方参照がされることです一致するたびに上書きされます。あなたは全体の繰り返し試合をキャプチャしたい場合は、ネストされたグループを使用する必要があります。

(\w+).?\:|((\w+.?\s?){0,3})((.*?))\: 

これはあなたが単に無視することができます（この場合は\2）余分な後方参照を生成しますが、それはあなたを気にすると、多くの正規表現エンジンは、参照されていないグループに対しても(?:)という構文を持っています：