将PDF中的DOI与PyPDF2匹配的Regex

Question

我试图编写一个Python脚本，使用PyPDF2和下面的regex从pdf中提取doi，我找到了here。在

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

{I在下面的测试中使用^ doi可以很好地解决以下问题：

^{pr2}$

File "/Users/fort/Documents/Dropbox/Code/Python/pdf2doi/pdf2doi.py", line 9
doi_re = re.compile("\b(10[.][0-9]{4,}(?:[.][0-9]+)*/(?:(?!["&\'])\S)+)\b")
                                                                          ^
SyntaxError: unexpected character after line continuation character

我的编辑器的语法高亮显示语法分析器不喜欢'])\S)+)\b")，所以我尝试转义它前面的双引号，这样就解决了这个特殊问题，即

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

然而，regex不再匹配doi。（将正则表达式括在单引号中也可以修复此语法错误，但结果相同。）

最后，如果我改用以下regex，脚本确实匹配一些doi，但它遗漏了不少：

10.(\d)+/([^(\s\>\"\<)])+

任何关于如何使这项工作的想法将不胜感激。在

Answer 1

你有一个更早的“你应该逃跑。在

["&\']

如果这不起作用，请修复只指向常规页的regex101引用。在

填充regex和一些示例可以帮助我们进一步解决问题。在

Answer 2

不能在"引用的字符串中使用"，除非使用\"来传输它。在

或者可以使用三个双引号："""\b(10[.][0-9]{4,}(?:[.][0-9]+)*/(?:(?!["&\'])\S)+)\b"""