正規表現教えてください

Question

 'GDP値 ': ' 3,285億<ref name',
 'GDP/人 ': ' 39,634<ref name',
 '建国形態 ': ' 独立',
 '建国年月日 ': ' 1955年7月27日',
 '通貨 ': ' ユーロ (&#8364;)',
 '通貨コード ': ' EUR',
 '通貨追記 ': ' <ref>1999年以前の通貨はオーストリア・シリング。</ref><ref>オーストリアのユーロ硬貨も参照。</ref>',
 '時間帯 ': ' +1',
 '夏時間 ': ' +2',
 'ISO 3166-1 ': ' AT / AUT',
 'ccTLD ': ' .at',
 '国際電話番号 ': ' 43',
 '注記 ': ' <references />'

上記の<ref>,</ref>,<ref,<references />'を削除したいです(削除プログラムは作成済み)。

現在適当に作った正規表現はこんな感じですがうまくいきません。

   pattern28_2 = "|\</?ref\>?"
    pattern28_3 = "|</?{[a-z]{2,12}?/?>?|redirect"
    pattern28_4 = "|<references />|redirect"
    pattern28_ = "|\</?ref\w{0,6}/>"

どなたか答えを教えてください...

Answer 1

<([^>]*>|ref.+) はどうでしょうか。
タグまたは <ref 以降の文字列にマッチします。

d = {
    "GDP値 ": " 3,285億<ref name",
    "GDP/人 ": " 39,634<ref name",
    "建国形態 ": " 独立",
    "建国年月日 ": " 1955年7月27日",
    "通貨 ": " ユーロ (&#8364;)",
    "通貨コード ": " EUR",
    "通貨追記 ": " <ref>1999年以前の通貨はオーストリア・シリング。</ref><ref>オーストリアのユーロ硬貨も参照。</ref>",
    "時間帯 ": " +1",
    "夏時間 ": " +2",
    "ISO 3166-1 ": " AT / AUT",
    "ccTLD ": " .at",
    "国際電話番号 ": " 43",
    "注記 ": " <references />",
}

import re

for key, value in d.items():
    d[key] = re.sub(r"<([^>]*>|ref.+)", "", value.strip())

from pprint import pprint
pprint(d)

{'GDP/人 ': '39,634',
 'GDP値 ': '3,285億',
 'ISO 3166-1 ': 'AT / AUT',
 'ccTLD ': '.at',
 '国際電話番号 ': '43',
 '夏時間 ': '+2',
 '建国年月日 ': '1955年7月27日',
 '建国形態 ': '独立',
 '時間帯 ': '+1',
 '注記 ': '',
 '通貨 ': 'ユーロ (€)',
 '通貨コード ': 'EUR',
 '通貨追記 ': '1999年以前の通貨はオーストリア・シリング。オーストリアのユーロ硬貨も参照。'}

Comments

[humuhimi]

簡潔でわかりやすかったです。ありがとうございました

Answer 2

<ref から'の手前 or <ref> or </ref> or <references />にマッチします。

pattern = "<ref [^']*|</?ref>|<references />"

Comments

[humuhimi]

ちゃんと動きました。ありがとうございます