规范化书名Python

Question

我有一个书名清单：

• 《霍比特人：70周年纪念版》
• “霍比特人”
• “《霍比特人》（插图版/收藏品版）[来回]
• “霍比特人：或者，来回”
• “霍比特人：礼包”

等等。。。在

---

我认为，如果我以某种方式规范化标题，那么实现一种自动化的方式来知道每一版本所指的书会更容易。在

normalised = ''.join([char for char in title 
                       if char in (string.ascii_letters + string.digits)])

或者

^{pr2}$

但很明显，它们并没有按预期工作，因为标题可以包含特殊字符，版本基本上可以有非常不同的标题布局。在

---

非常感谢您的帮助！谢谢：）

Answer 1

这完全取决于你的数据。对于您给出的示例，一个简单的规范化解决方案可以是：

import re

book_normalized = re.sub(r':.*|\[.*?\]|\(.*?\)|\{.*?\}', '', book_name).strip()

这将返回所有例子的“霍比特人”。它所做的是删除第一个冒号之后的任何内容，或方括号中的任何内容（普通、方形、卷曲）以及前导空格和尾随空格。在

然而，在一般情况下，这不是一个很好的解决方案，因为有些书在实际书名中有冒号或括号部分。E、 g.序列的名称，后跟冒号，然后是序列的特定项的名称。在

Answer 2

我建议使用第三方web服务，例如librarything，我相信它可以满足您的要求，首先，请参阅他们的文档：

http://www.librarything.com/services/rest/documentation/1.0/librarything.ck.getwork.php