Pythonの正規表現で文字列を抽出したい

Question

正規表現の初心者です。

Pythonにおいて、マークダウンで記述された長いストリングから、一部分の文字列を抽出したいです。
ネットで色々と見てみましたが、思うように実行する方法がいまいち理解できていません。

長い文字列(6万文字ほど)をstrという変数に格納して、Category:(文字)とある、文字の部分を抽出したいです。

長い文字列の一部、抽出したいところはこんな感じです。

[[Category:新潟県の市町村]]
[[Category:新潟市|*]]
[[Category:都道府県県庁所在地]]
[[Category:日本の港町]]
[[Category:政令指定都市]]

Pythonでpatternの右辺に入る形で記述したいです。
pathにはマークダウンテキストのファイルパスが入っています。

with open(path) as f:
s = f.read()
pattern = r"正規表現各書く"
categories = re.findall(pattern, s)

よろしくお願いいたします。

Comments

[LouiS0616]

実際にどのような正規表現を試して、どのように上手く行かなかったのか追記してください。
現状ただの依頼になってしまっています。

Answer 1

以下で動作すると思いますが。

pattern = r"[[Category:.+]]"

文字の部分だけにするのであれば、以下を追加すればどうですか。

categories = [x[11:-2] for x in categories]

なお、re.finditer()を使う方法もあります。

pattern = r"[[Category:(.+)]]"
categories = [x.group(1) for x in re.finditer(pattern, s)]

Comments

[kioak]

詳しくご回答いただきありがとうございます。