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

88.59%

Pythonで正規表現と変数を組み合わせて使いたい

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 3,377

metadisco

score 13

 前提・実現したいこと

検索したい文字列一覧をまとめたtxtファイル内の文字列全てを、
任意のディレクトリ内に入っているすべてのtxtファイルを検索していき、検索したい文字列がヒットしたものを抽出していきたいと思い、以下のようなコードを書きました。

検索したい文字列一覧をまとめたtxtファイルには、検索したい文字列が一行ごとに改行区切りで入っています。
例えば、以下のような感じです。

the meaning of
was made of
In the past
That being said
On the other hand
On the one hand

任意のディレクトリ内に入っているtxtファイルは、以下のような英文が一行一文単位で入っています。

That being said, I feel that the meaning of money has changed drastically.
In the past, money was valued simply by what it was made of: gold being worth the most, followed by silver and bronze.

正規表現を使って検索したい文字列の前後に、境界を設定するために、正規表現と変数を組み合わせて使いたいのですが、うまくいきません。
Terminal上で、検索したいファイルが入った任意のディレクトリ名と、検索したい文字列一覧をまとめたtxtファイル名を指定しています。
以下のようなコードを書きました。

import sys,os,re,glob
argvs = sys.argv
argc = len(argvs)
with open(sys.argv[2]) as f:
    ichirans = [line.rstrip() for line in ichiran]
file_list = sorted(glob.glob(sys.argv[1]+'*.txt'))
for filename in file_list:
    with open(filename,'r') as f:
        files = f.read()
        result = re.findall(r'(\b)'+ichirans+'(\b)',files,flags=0)
        print(result)

上記のコードを実行したのですが、以下のようなエラーメッセージが帰ってきます。

 発生している問題・エラーメッセージ

Traceback (most recent call last):
  File "search.py", line 31, in <module>
    result = re.match(r'(\b)'+DMs+'(\b)',f,flags=0)
TypeError: must be str, not list

エラーメッセージとしては、list形式ではなくstr形式にしろという意味はわかるのですが、ここからどのように修正していいかわからず行き詰まっております。
解決方法をご回答いただけないでしょうか。

  • 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
    • 過去に投稿した質問と同じ内容の質問
    • 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 2

+1

手元に実行環境がないので憶測になりますが…

エラー出ているの、

re.findall(r'(\b)'+ichirans+'(\b)',files,flags=0)

の部分ですよね?

上記の変数ichiransは、初期値をichirans = [line.rstrip() for line in ichiran]としているのでlistだと思います。
なので、こいつもforで回してあげなければいけないのではないかなーと。

投稿

  • 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。

checkベストアンサー

0

以下のように、検索対象の複数のセンテンスを「|」で連結した正規表現を作成し、それを行毎に検索するとよいかと思います。

import re
ichirans = ['ab cd','ef gh']

# 検索対象の複数のセンテンスを「|」で連結した正規表現を作成
exp = r'(\b)'+ '|'.join(['({})'.format(pat) for pat in ichirans]) + r'(\b)'
print(exp) # (\b)(ab cd)|(ef gh)(\b)

# ファイル毎ループ~データ読込は略

#files = f.read()
files = ['ab cd ef','ef gh ij','ab cd ef gh','ab ef']
for line in files: # 行毎に
    result = re.findall(exp,line)
    print(result)
"""
[('', 'ab cd', '', '')]
[('', '', 'ef gh', '')]
[('', 'ab cd', '', ''), ('', '', 'ef gh', '')]
[]
"""

投稿

  • 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。

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 88.59%
  • 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