Python 使用正则表达式提取某些短语，但排除后跟单词“quot；“的；

我基本上是试图从一个长文档中提取节引用

下面的代码做得很好：

example1 = 'Sections 21(1), 54(2), 78(1) of Harry Potter'
res = re.search(r'Sections?\W+(\w+)(\(\w+\))?(, (\w+)(\(\w+\))?)*', example1)
res.group(0)

输出：第21（1）、54（2）、78（1）条

然而，这些章节经常涉及外部书籍，我想指出或排除它们。通常，如果章节参考涉及另一本书，则章节参考后面会有一个“of”（示例如下）：

所以在本例中，我想排除这些章节，因为它们指的是哈利波特，而不是文档中的章节。下面的代码应该可以实现这一点，但它不起作用

example2 = 'Sections 21(1), 54(2), 78(1) of Harry Potter'
res = re.search(r'Sections?(\W+(\w+)(\(\w+\))?(, (\w+)(\(\w+\))?)*)(?!\s+of)', example2)
res.group(0)

---

预期输出：

第21（1）、54（2）、78节-->
（？！\s+of）
删除
78
后面的
（1）
，但不删除整个引用。
这是因为
（？！\s+of）
失败后，它会在可选的
（\（…）？
之前回溯，因为反向前瞻不匹配

原子组可以与其他正则表达式引擎一起使用，但不能在python
re
中实现

另一种解决方案是在
？
可选部分之后使用所有格量词
+
：

r'Sections?(\W+(\w+)(\(\w+\))?(, (\w+)(\(\w+\))?+)*)(?!\s+of)'

注意
+
后面的
？
您可以通过捕获组和前瞻来模拟原子组：

(?=(?P<section>Sections?\W+(\w+)(\(\w+\))?(, (\w+)(\(\w+\))?)*))(?P=section)(?! of)

（？=（？P段？\W+（\W+）（\（\W+））（，（\W+）（\（\W+））？）*）（？P=段）（！of）


长话短说：
*在正向前瞻中，您创建了一个名为
section
的捕获组，用于查找节模式
*然后匹配
（？P=secion）
*然后，在负前瞻中，检查是否没有后续的

下面是一个解释这种技术的例子。
那么最终结果应该是什么呢？你想在这里捕获“哈利波特”部分吗？你的第一个和第二个示例具有相同的输入字符串。如果是这样，你可以使用
部分（\W+.\s\W+\s\W+）
来捕获上述模式，还是我遗漏了什么？嗯，这对你有用吗？因为我得到了以下错误：位置46处的multiple repeat确实，遗憾的是，它对python不起作用，我尝试将其用于re.findall（因为每个部分有多个引用），但不知怎的，它以奇怪的方式复制了答案。示例1='section 23、24和5'res=re.findall（r'（？=（？）（\W+）（，（\W+）（\W+）（\W+）*）（？P=section）（？！of），示例1）输出：[（'section 23、24'、''、24'、''）正则表达式中有多个捕获组，请将它们更改为非捕获组（使用
（：？）
，而不是
（…）
“…”在任何地方，对吗？我应该在哪里添加（：？…）？是的，将
（…）
替换为
（：？…）
，我的意思是在正则表达式中。但是它不太好用。您也可以选择输出中元组的第一个元素（这是完全匹配）。
(?=(?P<section>Sections?\W+(\w+)(\(\w+\))?(, (\w+)(\(\w+\))?)*))(?P=section)(?! of)