質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.52%

  • Python 3.x

    6336questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

特定の文字列を含む行の削除

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 336

Sano

score 2

私はPythonを勉強中のものです
私は手動でダウンロードしたvttファイル(字幕とその字幕をいつ流すか指定)を
字幕だけにしてtxtファイル化するプログラムを書いているのですが良い正規表現が思いつきません Python3を使っています

 ファイルの例

WEBVTT

00:01.852 --> 00:04.000
4月の勉強講座へようこそ!


00:24.007 --> 00:26.710
今日はこの問題を解説していきたいと思います

このようなvttファイルがあるとしたら

4月の勉強講座へようこそ!
今日はこの問題を解説していきたいと思います

という形にしたいのです。

 実現したい正規表現

1、vttファイルの頭にくる'WEBVTT'という文字列の削除
2、改行の削除
3、タイムコードの削除

自分で考えて書いてみましたがうまくいきませんでした

re.sub('\n{3}|(WEBVTT)|[-->]', '', vttstring)


結果

月の勉強講座へようこそ!
今日はこの問題を解説していきたいと思います


自分の作ったものだと4月の4という数字も一緒に消されてしまいます

どなたか正解の正規表現また、なぜ私の正規表現は間違っていて"4"が消えてしまうのか教えてください。
よろしくお願いします。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+3

正解の正規表現

同じようなアプローチでやるなら、こんな感じです。

re.sub('\\n{2,}|WEBVTT|.*-->.*', '', vttstring)

なぜ私の正規表現は間違っていて"4"が消えてしまうのか教えてください。

[-->]が諸悪の根源です。
この書き方をすると、ASCIIコード-以上>以下の文字が全削除されます。

ただし

正規表現を使うのは、もう少し局所的にした方がわかりやすいと思います。

import re


time_pattern = re.compile(r'\d{2}:\d{2}\.\d{3} --> \d{2}:\d{2}\.\d{3}')

def vtt_strip(rows):
    for row in rows:
        # 空行は無視
        if not row:
            continue

        # タイムコードは無視
        if time_pattern.match(row):
            continue

        yield row


with open('sample.vtt') as f:
    vtt_rows = [row.strip() for row in f.readlines()]


vtt_string = '\n'.join(vtt_strip(vtt_rows[1:]))
print(vtt_string)

実行結果 Wandbox

4月の勉強講座へようこそ!
今日はこの問題を解説していきたいと思います

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/06/08 16:59

    ありがとうございます 無事解決しました

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.52%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • Python 3.x

    6336questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。