我如何去通過長文本，並將其轉換成Insert語句對MySQL

Question

有一個很長的文字，看起來像這樣：

1 E.M.史密斯，J.P.拉維尼，P. VIALLEFONT等J. DAUNIS。 Recherches ensérietriazépine-1,2,4。 J.Heterocyclic Chem。 12，66（1975）。

2- M. BENCHIDMI et E.M. ESSASSI。 合成雙雙三唑並[4,3-b：4,3-d]三氮雜-1,2,4。 J.Heterocyclic Chem。，13,885（1976）。

3- LAVERGNE et P. VIALLEFONT。 1,5肼基氮雜卓氮雜苯並二氮卓酮和氮雜苯並二氮-硫酮。 Tetrahedron，33,2807（1977）。

4- E.M. ESSASSI。 「Synthèseetétudede RMN1H enprésencede l'Eu（fod）3 des pyrazolo [1,5,4-ef]benzodiazépine-1,5 ones-6 Bull.Soc.Chim.Belg。，96,399（ 1987）。

。 。 。 。

並在不斷超過300多，我需要提取每行並將其添加到插入查詢的MySQL中，刪除列表中的數字和逃避所有引號和雙引號，我雖然使用正則表達式，但事實證明對我來說很困難。

插入查詢應該看起來像：

INSERT INTO PUBLICATIONS (NAME,AUTHOR,CITE,PUB_YEAR) VALUES 
("Recherches en série triazépine-1,2,4.", "E.M. Smith, J.P. LAVERGNE, P. VIALLEFONT et J. DAUNIS.","J. Heterocyclic Chem. 12, 66","1975"), 
("Synthèse de bis s-triazolo [4,3-b : 4,3-d] triazépines-1,2,4.", "M. BENCHIDMI et E.M. ESSASSI.","J. Heterocyclic Chem., 13, 885","1976"), 
etc. 

我只是給了一些格式文本有一些想法，但它沒有空格或下一行，它都在一個巨大的字符串。

我還以爲是使用喜歡的事：

$string = "all my string" 
$pattern = '/regex pattern/'; 
$replacement = 'result format'; 
echo preg_replace($pattern, $replacement, $string); 

我意識到，因爲沒有特定的模式，所以我也許可以手動添加\ n \ r分割每行分裂它可能是不可能的

非常感謝！

Answer 1

編輯：經過觀察，這種模式可以完成這項工作，但我需要更多的數據來查看所有可能的異常，並更好地理解這種數據的「邏輯」。 （但第一個答案總是一種方式。）

我看到了一些規則：

作者：

• 與最終與隨後名字
• 所有作者都用逗號和空格，將分離的forName首字母開始last by〜et〜
• 以點和空格結尾

個

標題：

• 開始用大寫字母與最終形成qouble報價之前
• 沒有點
• 並不總是與數字結束：
• • 用逗號之前並帶有點和空格後
• • 或用 - 之前，除非有在年底

  沒有點後

空間引用：

• 開頭大寫
• 型動物單詞，大寫第一個字母，可以用點來短接
• 後面跟着：c omma，空格，數字，逗號空格，空格。

代碼

$subject = <<<LOD 
1- E.M. Smith, J.P. LAVERGNE, P. VIALLEFONT et J. DAUNIS. Recherches en série triazépine-1,2,4. J. Heterocyclic Chem. 12, 66 (1975). 
2- M. BENCHIDMI et E.M. ESSASSI. Synthèse de bis s-triazolo [4,3-b : 4,3-d] triazépines-1,2,4. J. Heterocyclic Chem., 13, 885 (1976). 
3- LAVERGNE et P. VIALLEFONT. Hydrazinolyse d'azabenzodiazépinones et d'azabenzodiazépine-thiones de type 1,5. Tetrahedron, 33, 28O7 (1977). 
4- E.M. ESSASSI. "Synthèse et étude de RMN1H en présence de l'Eu(fod)3 des pyrazolo [1,5,4-ef] benzodiazépine-1,5 ones-6 Bull. Soc. Chim. Belg., 96, 399 (1987). 
1O- J.M.F. BOURGOIN-DE-LA-VILLARDIERE. Recherches en série triazepine-1,2,4: 1 - détermination de la structure de la triazolotriazépinone obtenue par action de l'acétylacétate d'éthyle sur le diamino-3,4 triazole-1,2,4 J. Heterocyclic Chem., 13, 885 (1976). 
LOD; 
$pattern = 
'~# authors : 
    (?(DEFINE)(?<FN>(?:[A-Z]\.){0,3}+(?(?<=\.)\h))) # ForName 
    (?(DEFINE)(?<NM>[A-Z](?:[A-Z]++|[a-z]++)(?:-[A-Z](?:[A-Z]++|[a-z]++))*+)) # NaMe 
    [O\d]++-\h(?<author>(?&FN)(?&NM)(?>(,\h(?&FN)(?&NM))*+\het\h(?&FN)(?&NM))?+)\.\h 
    # titles : 
    "?+(?<title>[A-Z][^.]+?(?:\.|(?:,|-)\d))\h 
    # cites : 
    (?<cite>(?:[A-Z][a-z]*+\.?+\h)*[A-Z][a-z]*+\.?+,?+\h[O\d]++,\h[O\d]++)\h 
    # date : 
    \((?<date>[^)]++)\) 
~x';    

preg_match_all($pattern, $subject, $matches, PREG_SET_ORDER); 
foreach ($matches as &$match) { //cosmetic 
    foreach ($match as $key=>$value) { 
     if (is_numeric($key)||$key=='NM'||$key=='FN') unset($match[$key]); 
    } 
} 
echo '<meta charset="UTF-8"/><pre>' . print_r($matches, true) . '</pre>'; 

- 答案編輯前 -

哇，你發現有絕對沒有什麼好作者，名稱之間的區別和引用。一種方法是切片（作者，名稱和引用之間的簡單換行符），用手（每行大約5s，在不到30分鐘內完成，toutouyoutou :)。

我說，因爲我看到作者，姓名和引用之間唯一的區別是無法與正則表達式匹配的感覺。

如果你使這個rebarbative工作，它會很容易進行sql查詢。例如：

1- E.M. Smith, J.P. LAVERGNE, P. VIALLEFONT et J. DAUNIS. 
Recherches en série triazépine-1,2,4. 
J. Heterocyclic Chem. 12, 66 (1975). 

這就是所有，不需要觸摸數字或日期，正則表達式可以完成這項工作。 如果你做這個工作，編輯你的消息，以幫助正則表達式。