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

88.04%

Pythonの正規表現でstringの一部を抽出したいのですが?

解決済

回答 3

投稿

  • 評価
  • クリップ 0
  • VIEW 1,183

score 7

Pythonの正規表現を利用して、下記のような英語の映画の台本から台詞の部分を抽出したいのですが、どうも上手くいきません。

                          NICK FURY
           Until such time as the world ends, we
           will act as though it intends to spin
           on. Clear out the tech below. Every
           piece of PHASE 2 on a truck and gone.

                          NICK FURY
           We've prepared for this, doctor.
           Harnessing energy from space.
           

台詞の部分を行数が決まっていないというのを前提で抽出したいのですが、どなたかご存知でしょうか。まだまだ未熟なため、漠然と正規表現を使った方がいいのではと思い使っているのですが、よりいい方法があれば正規表現でなくでも構わないです。よろしくお願いいたします。



  • 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
    • 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 3

check解決した方法

0

一応の解決策を見つけたので投稿しますが、どの台詞も\n\nで終わるようなので、台詞が1行の場合は、(.*)\n\n、2行の場合は、(.*)\n(.*)\n\nで、順番に分析していけば各行数ごとに分析できました。(他にもまだまだ問題点はありますが…)

どうしてもstringとして抽出することができないので、また他の機会にこの点について質問させていただくと思います。

ご回答頂いた皆さん、ありがとうございました!

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。

0

Until such time as the world ends, we
will act as though it intends to spin
on. Clear out the tech below. Every
piece of PHASE 2 on a truck and gone.

We've prepared for this, doctor.
Harnessing energy from space. 

台詞の部分は上記2箇所でよろしいでしょうか?
この部分でしたら1行ずつ読み込み、小文字を含む行を抽出すればよいと思います。
他にパターンがありましたら別途考えましょう。

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。

  • 2015/10/11 23:31

    ご回答ありがとうございます。実は、台本を丸々分析してコーパスを作成しようと考えていまして、まだまだ、色々なパターンがあります… 条件を絞れば一部だけ抽出することは可能なのですが、より多くのデータを得るために、最善の方法を模索しています。行数ごとに抽出すれば、もしかしたら、上手くいくかもしれないのでこれから試してみます。

    キャンセル

0

正規表現、勉強中です。

正規表現を調べるために下記のサイトが使えます。
Pythex

私は少しトライしてみたのですが、どうもうまくいきませんでした。
確かにこういう場合、正規表現で一発で取得できたら気持ちいですよね。

追記
正規表現でsplitができるみたいなので、できそうです。

text = """
                          NICK FURY 
           Until such time as the world ends, we 
           will act as though it intends to spin 
           on. Clear out the tech below. Every 
           piece of PHASE 2 on a truck and gone. 

                          NICK FURY 
           We've prepared for this, doctor. 
           Harnessing energy from space. 
"""
serif = re.split("[A-Z]+ [A-Z]+ \n", text)

for s in serif:
  print s


#実行結果
"""
                          
           Until such time as the world ends, we 
           will act as though it intends to spin 
           on. Clear out the tech below. Every 
           piece of PHASE 2 on a truck and gone. 

                          
           We've prepared for this, doctor. 
           Harnessing energy from space. 

"""

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。

  • 2015/10/12 00:55

    ご回答ありがとうございます!私も Debuggex などの正規表現のオンラインツールを利用して勉強を進めています。なかなか難しいですね…

    キャンセル

  • 2015/10/12 01:48

    空白行が含まれているので少し変更が必要です。

    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 88.04%
  • 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