如何用Python正则提取"References"后的所有参考文献条目？

解决方法 #

你可以用以下两种方式提取「References」下的所有参考文献条目，同时排除其他区域的类似内容：

方法一：单步 re.findall（需 Python 3.7+ 支持变长向后断言）

直接用正则匹配「References」标题后的所有编号条目：

import re

text = """你的目标文本内容"""

pattern = r'(?<=^References(?:\n(?:\s*|\d+\. .+))*\n)\d+\. .+'
entries = re.findall(pattern, text, re.MULTILINE)

逻辑说明：

• 向后断言确保当前条目位于「References」之后，且中间只存在空白行或其他参考文献条目
• 精准匹配以「数字+点」开头的完整条目行

方法二：两步提取（兼容性更强）

先定位「References」对应的整个区块，再从中提取每条条目，适配各种格式变化（比如条目间的空白行）：

import re

text = """你的目标文本内容"""

# 匹配References对应的完整区块
block_match = re.search(r'^References\n(.*?)(?=\n^[A-Z][a-z ]+|\Z)', text, re.DOTALL | re.MULTILINE)
if block_match:
    # 从区块中提取所有编号条目
    entries = re.findall(r'^\d+\. .+$', block_match.group(1), re.MULTILINE)

两种方法最终都会得到你需要的参考文献列表，自动排除「Other References」及文本末尾的无关内容。

内容的提问来源于stack exchange，提问作者Rostyslav Chayka