特殊文字を含む文字列の検索

Question

前提・実現したいこと

pythonでHTMLを解析しています。
その中で "?p"という文字列を検索したいのですが、上手くいきません。

if re.search('?p',page) is not None:
   print page

これで?pが含まれる文字列だけが出力されると思いきや、
"?report=select"という文字列まで出力されてしまいます。

そこでRAW文字の検索なら出来るかと思い

if re.search(r'?p',page) is not None:
   print page

とやってみると
re.error: nothing to repeat at position 0
というエラーが表示されてしまいます。

pythonで「?p」という文字列を検索するにはどうすればいいでしょうか？

Answer 1

これで?pが含まれる文字列だけが出力されると思いきや、

"?report=select"という文字列まで出力されてしまいます。

仕様です。"hoge?piyo" でもマッチするでしょう。
re.matchは先頭一致、re.searchは部分一致を試行します。

アンカー ^ $ を併用するか、re.fullmatchを使って下さい。

そこでRAW文字の検索なら出来るかと思い

?は正規表現中では特殊な意味を持ちますが、Pythonの文字列内ではただの文字です。
Python側でいくらraw文字列指定をしても意味はありません。

むしろバックスラッシュはエスケープ処理に使われるので、
正規表現は "?" あるいは r"?" にするとより丁寧でしょう。後者がより好ましいです。

Comments

[Osyante]

ありがとうございます。成功したコードを見せていただけませんか？

[LouiS0616]

今気付いたのですが、re.searchを使っていると言えど 正規表現 ?p で ?report=select はマッチしないように思います。
実際に試してみてもマッチしません。https://wandbox.org/permlink/03k82U5Wm5z8h71X

編集しているコードと実行しているコードが違ったりしませんか？

[Osyante]

個人情報等も含まれているので全体は載せられませんが、根幹部分は下記の通りです。
import re
from bs4 import BeautifulSoup

req = urllib.request.Request(url, None, headers)
data = urllib.request.urlopen(req)
html = data.read()
soup=BeautifulSoup(html,'html.parser')
data.close

pages=[]
pictures_id=[]
root_links=[]

for link in soup.find_all('a'):
i =re.search(id_number,str(link.get('href')))
if i is not None:
root_links.append(link.get('href'))
print(root_links[0])

for page in root_links:
if re.search('\?p',page) is not None:
print(re.search(r'?p',page))
print(page)

[LouiS0616]

間違いなくこのコードが実行されているでしょうか？print(re.search(r'?p',page)) でエラーを吐きそうなんですが...

[Osyante]

質問文にも書きましたとおり、r を記述した方はエラーが出ます。
print(re.search('?p',page))としたほうは、?report=selectがマッチします。

[LouiS0616]

再現しないので、私としてはやはりコード外の部分に問題があると思わざるを得ません。
https://wandbox.org/permlink/mkPJCGBjHkQInKsP

[Osyante]

お時間をいただき申し訳ありません。
では回答としては、re.search( ) 特殊文字前に\を置けば望んだ処理が出来るということでよいでしょうか？

[LouiS0616]

というか ?p と完全一致するか判定したいだけなのであれば、正規表現を使わずとも "?p" == page で足りると思います。

[Osyante]

？？？
私は文字列の中から「特殊文字を含む文字列の検索」をしたいと最初から申し上げていますので、その方法を教えれほしいのですが、re.search( ) 特殊文字前に\を置けば望んだ処理が出来るということでよいでしょうか？

[LouiS0616]

質問文について一つ確認したいのですが、
> if re.search('?p',page) is not None:
> print page
> これで?pが含まれる文字列だけが出力されると思いきや、
> "?report=select"という文字列まで出力されてしまいます。

ひょっとしてここでの『文字列』は『行』という意味で使っていますか？

[Osyante]

ちょっとLouiSさんには難しそうですね。
自分で解決出来てしまいました。
ありがとうございました。

[LouiS0616]

自力で解決できるようなら良いんじゃないですかね。回答者として参加されてみてはいかがですか？

[LouiS0616]

様々な質問の意図を読み取り、端的で正確な回答を心掛けるのはOsyanteさんにはちょっと難しいかもしれないですね。やってみないと分かりませんが。

Answer 2

正しくは'\?p'またはr'?p'ですが、'?p'でも同じです。

プログラムが間違っていると思われるので、プログラム全体（実行できるもの）を載せましょう。

Comments

[Osyante]

全体を見せなくても下の方のようにわかると思います。
A="aeiruoiau_?p_akleja"
P=re.search('?p',A)
print(P)

[otn]

あ、全体じゃなくて、そのまま実行できて、現象が再現出来るものであればいいです。質問文のコードだと実行できませんので。

↑これは正規表現の先頭にエスケープしてない「 ? 」 があるので、正規表現として不当ですね。
エラーになると思います。エスケープしましょう。
そのうえで、意図しない結果になるコードを実行できる形で載せてください。