разбить строку на подстроки , выделить имена авторов и название книги

[askrotov]

Уважаемый форум,

Существует такой ресурс: http://techlibrary.ru/ Там есть общий список публикаций. Задача: строчку разделить на подстроки: автор, название, год и т.д.
Год выпуска я выделил:

sed -r "s/([0-9]{4}\.djvu)/;\1;/g" blst.csv > glst.csv

Хотелось бы выделить имена авторов и название книги. Или это совсем нетривиальная задача? Хотя бы намекните, в какую сторону копать.

Анатолий

[Славян]

Приведите, если не сложно, примеры строк для разбора.

[askrotov]

Цитата Славян @ 06.08.14, 13:42

Приведите, если не сложно, примеры строк для разбора.

Изначально:

Абаимов С.Г. Статистическая физика сложных систем. От фракталов до скейлинг-поведения. 2012.djvu - 2477345 байт
Абакумов В.Н., Перель В.И., Яссиевич И.Н. Безызлучательная рекомбинация в полупроводниках. 1997.djvu - 3211005 байт
Абалакин В.К. Основы эфемеридной астрономии. 1979.djvu - 4946267 байт

После применения

sed -r "s/([0-9]{4}\.djvu)/;\1;/g" blst.csv > glst.csv

:

Абаимов С.Г. Статистическая физика сложных систем. От фракталов до скейлинг-поведения. ;2012.djvu; - 2477345 байт
Абакумов В.Н., Перель В.И., Яссиевич И.Н. Безызлучательная рекомбинация в полупроводниках. ;1997.djvu; - 3211005 байт
Абалакин В.К. Основы эфемеридной астрономии. ;1979.djvu; - 4946267 байт

Я попробовал

sed -r "s/((^[А-Я][а-я]+\s([А-Я]\.){1,2})/\1;/g" plst.csv  >qlst.csv

, чтобы выделить хотя бы первого автора. Выдает ошибку:

C:\USERS>sed -r "s/((^[А-Я][а-я]+\s([А-Я]\.){1,2})/\1;/g" plst.csv  1>qlst.csv
sed: -e expression #1, char 39: Unmatched ( or \(

Да, у меня

C:\USERS>sed --version
GNU sed version 4.2
Copyright (C) 2003 Free Software Foundation, Inc.
This is free software; see the source for copying conditions.  There is NO
warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE,
to the extent permitted by law.

Сообщение отредактировано: askrotov - 07.08.14, 01:59

[Славян]

Я не sed'ом пользовался, но вот такой поиск использовал:

([А-Яа-я]+)\s([А-Я][\.]\s|[А-Я][\.][А-Я][\.]\s)([А-Яа-я]+)

с заменой на

\1 \2;\3

Получил из такого:

Абаимов Ш.Г. Статистическая физика сложных систем. От фракталов до скейлинг-поведения. 2012.djvu - 2477345 байт
 Абакумов П.Ц., Перель В.И., Яссиевич И.Н. Безызлучательная рекомбинация в полупроводниках. 1997.djvu - 3211005 байт
 Абалакин П.Д. Основы эфемеридной астрономии. 1979.djvu - 4946267 байт
Кант И. Что-то про чистый разум. 1813.djvu - 2477345 байт

такое:

Абаимов Ш.Г. ;Статистическая физика сложных систем. От фракталов до скейлинг-поведения. 2012.djvu - 2477345 байт
 Абакумов П.Ц., Перель В.И., Яссиевич И.Н. ;Безызлучательная рекомбинация в полупроводниках. 1997.djvu - 3211005 байт
 Абалакин П.Д. ;Основы эфемеридной астрономии. 1979.djvu - 4946267 байт
Кант И. ;Что-то про чистый разум. 1813.djvu - 2477345 байт

Вроде бы авторы выделены...
Надеюсь, переведёте к деталям своей системы?..

[antonn]

если "в лоб" можно попробовать так:

^((.+?)[А-Я]{1}[.])\s(.+?)\s(((19|20)[0-9]{2})\D+)\s-\s((\d+)\s\S+)$

[askrotov]

Цитата Славян @ 07.08.14, 14:57

, спасибо, за помощь

[Славян]

Цитата askrotov @ 08.08.14, 08:40

спасибо, за помощь

Пожалуйста. И вам спасибо, - я хоть что-то по регуляркам в голове своей освежил...