regexp для одной простой задачи

[m_ax]

Приветствую)

Разбираюсь сейчас с регулярными выражениями. Хочу спросить совета.

Дело в следующем. Имеется текст вида (LaTeX):

... Note that the spectacular reentrant superconductivity predicted in 1997~\cite{Khusainov_97, Khusainov_97_PRB} has been recently observed experimentally in the Nb/CuNi bilayer~\cite{Zdravkov_06}...
Мне нужно составить список всех ссылок, что встречаются в тексте.
Ссылки (в данном текте их всего три: Khusainov_97, Khusainov_97_PRB, Zdravkov_06) находятся внутри команд \cite{...}. Причём их колличество (ссылок) не ограниченно, но не меньше одной и они разделяются запятыми.
Сама ссылка может содержать  цифры, нижнее подчёркивание, ну короче \w

Вот что-то не соображу, как написать одно рег. выражение, чтоб енто сотворить.

Сейчас я использую следующую (рабочую) схему:

Код

C++ (Qt)
    QRegExp rx("cite\\{([\\w\\s,]*)\\}"); /* Вытаскивает всё содержимое команды \cite{} */
    QRegExp rxAuthorRef("\\b(\\w+)\\b"); /* Из этого всего вытаскивает сами ссылки */
    QString str("Note that the spectacular reentrant superconductivity"
                "predicted in 1997~\cite{Khusainov_97, Khusainov_97_PRB}"
                "has been recently observed experimentally in the Nb/CuNi"
                "bilayer~\cite{Zdravkov_06}.");
 
    QStringList authorsRef; /* Список всех ссылок */
    int pos = 0;
    while (pos >= 0) {
        if ((pos = rx.indexIn(str, pos)) >= 0)  {
            QString s = rx.cap(1); /* s - содержит всё содержимое команды \cite{} */
            int pos2 = 0;
            while (pos2 >= 0) { /* В этом цикле извлекаем сами ссылки */
                if ((pos2 = rxAuthorRef.indexIn(s, pos2)) >= 0) {
                    QString author = rxAuthorRef.cap(1);
                    authorsRef.append(author); /* засовываем их в список */
                    pos2 += author.size();
                }
            }
            pos += s.size();
        }
    }
    authorsRef.removeDuplicates();
    qDebug() << authorsRef;
 

 

Этот вариант работает, но требует двух regexp'ов (и два цикла).
Хотелось бы реализовать это по-умному.
Как это сделать? В смысле, как написать один regexp, который всё бы это делал?

[kambala]

Код

C++ (Qt)
QRegExp rx("\\\\cite\\{(.+)\\}");
QStringList authorsList;
int pos = 0;
while ((pos = rx.indexIn(str, pos)) != -1)
{
    authorsList << rx.cap(1).split(", ");
    pos += rx.matchedLength();
}

вроде так

и у тебя кстати в str бэкслэши не двойные

[m_ax]

Код

C++ (Qt)
QRegExp rx("\\\\cite\\{(.+)\\}");
QStringList authorsList;
int pos = 0;
while ((pos = rx.indexIn(str, pos)) != -1)
{
    authorsList << rx.cap(1).split(", ");
    pos += rx.matchedLength();
}

вроде так

и у тебя кстати в str бэкслэши не двойные

Спасибо. Правда это даёт несколько иной результат:

Код

C++ (Qt)
("Khusainov_97", "Khusainov_97_PRB}has been recently observed experimentally in the Nb/CuNibilayer~\cite{Zdravkov_06") 
 

Вместо

Код

C++ (Qt)
("Khusainov_97", "Khusainov_97_PRB", "Zdravkov_06")
 

По-поводу не двойных бэкслэшей: я буду загружать файл (.tex) в котором все команды начинается с одинарного бэкслэша.

[kambala]

а, значит надо использовать "нежадный" захват ".+?". как он тут пишется...

Код

C++ (Qt)
QRegExp rx("\\\\cite\\{(.+)\\}");
rx.setMinimal(true);

[blood_shadow]

я бы использовал форвард референсес
можно усовершенствовать:

Код

C++ (Qt)
QRegExp rx("cite\\{[^\\}](?=\\})");
QStringList authorsList;
int pos = 0;
while ((pos = rx.indexIn(str, pos)) != -1)
{
    authorsList << rx.cap(1).split(", ");
    pos += rx.matchedLength();
}

[m_ax]

я бы использовал форвард референсес
можно усовершенствовать:

Код

C++ (Qt)
QRegExp rx("cite\\{[^\\}](?=\\})");
QStringList authorsList;
int pos = 0;
while ((pos = rx.indexIn(str, pos)) != -1)
{
    authorsList << rx.cap(1).split(", ");
    pos += rx.matchedLength();
}

Не работает 
Говорит - список пуст.
Да, забыл сказать, что между ссылками и между ссылкой и запятой и между {} может быть любое число пробелов. И соответственно список должен содержать ссылки без пробелов. Мелочь конечно, но эт ещё один цикл по списку...

[kambala]

Не работает 

нежадный захват постом выше работает - проверено

Да, забыл сказать, что между ссылками и между ссылкой и запятой и между {} может быть любое число пробелов. И соответственно список должен содержать ссылки без пробелов. Мелочь конечно, но эт ещё один цикл по списку...

да какой цикл

Код

C++ (Qt)
authorsList << rx.cap(1).split(QRegExp(",\\s*"));

[m_ax]

Не работает 

нежадный захват постом выше работает - проверено

Да, забыл сказать, что между ссылками и между ссылкой и запятой и между {} может быть любое число пробелов. И соответственно список должен содержать ссылки без пробелов. Мелочь конечно, но эт ещё один цикл по списку...

да какой цикл

Код

C++ (Qt)
authorsList << rx.cap(1).split(QRegExp(",\\s*"));

Да, этот вариант работает)
Правда, если между первой { и последующей ссылкой идут пробелы то..
В смысле если будет так: \cite{     Ref1,  Ref2}

[m_ax]

В смысле если будет так: \cite{     Ref1,  Ref2}

Понял.. Тогда нужно так:

Код

C++ (Qt)
QRegExp rx("cite\\{\\s*([^\\s].+)\\}");
 

[kambala]

ну тогда придется еще trimmed() вызвать для первой строки в списке от split(). или твой вариант (вроде должен сработать).

[m_ax]

Всем спасибо)
Пожалуй оставлю вариант kambala с дополнением

Код

C++ (Qt)
QRegExp rx("cite\\{\\s*([^\\s].+)\\}");