0

問題

以下の文章があります。

3\t名詞,数,*,*,*,*,*\n年\t名詞,接尾,助数詞,*,*,*,年,ネン,ネン\n前後\t名詞,副詞可能,*,*,*,*,前,マエ,マエ\nEOS\n

この文章の3前後を抽出したいです。
\n (なくてもよい) と \t に挟まれた文字の抽出になります。

そして私が作った正規表現は以下になります。

(\\n)?(.*)\\t

すると最長マッチになってしまい、どうもとることができません。

画像の説明をここに入力

? をいれることで最短マッチにしたいのですが、こちらも結果は変わりません。

(\\n)?(.*?)\\t

どのようにすれば実現できるでしょうか。

正規表現は以下のサイトでチェックしております。

正規表現チェッカー

わかるかた教えていただけますと嬉しいです。

4
  • 1
    赤字の部分は単一のマッチではなく、3つのマッチが連続しています(チェッカーで置換文字列を入れると確認できます)。なので2つ目の正規表現で目標は達成できるかと。1つ目の正規表現でもfindallを使うと同じことができるようです。
    – letrec
    2021年6月8日 3:26
  • ありがとうございます。findallで試してみます。 2021年6月8日 3:57
  • 2
    re.findall() を使うのでしたら re.findall(r'(^|(?<=\n))(.*?)(?=\t)', '...') とするとよろしいかと。
    – user39889
    2021年6月8日 4:11
  • ありがとうございます。こちらの正規表現でできました!おかげさまで正規表現を少し理解できました。みなさまもありがとうございます。 2021年6月8日 5:51

2 件の回答 2

0

^(\d+?)\\t.*?\\n(.*?)\\t.*?\\n(.*?)\\t

これで、$1, $2, $3にそれぞれ

$1 : 3
$2 : 年
$3 : 前後

が代入されることを正規表現チェッカーで確認しました
^は行の先頭を意味する正規表現なので、適宜置き換えて下さい

0

コメントいただきまして、findallで取得することができました。
以下が取得したコードになります。

text = "3\t名詞,数,,,,,\n年\t名詞,接尾,助数詞,,,,年,ネン,ネン\n前後\t名詞,副詞可能,,,,,前,マエ,マエ\nEOS\n"
r = re.findall('(^|(?<=\n))(.*?)(?=\\t)', text) 
print(r)

# [('', '3'), ('', '年'), ('', '前後')]

みなさまありがとうございました。

この質問に回答するには、ログインする必要があります。

求めていた回答ではありませんか? のタグが付いた他の質問を参照する。