🎄teratailクリスマスプレゼントキャンペーン2024🎄』開催中!

\teratail特別グッズやAmazonギフトカード最大2,000円分が当たる!/

詳細はこちら
Ubuntu

Ubuntuは、Debian GNU/Linuxを基盤としたフリーのオペレーティングシステムです。

正規表現

正規表現とは特定の文字列によるパターンマッチングを行う際に用いられる宣言型プログラミングです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

自然言語処理

自然言語処理は、日常的に使用される自然言語をコンピューターに処理させる技術やソフトウェアの総称です。

Q&A

解決済

1回答

1323閲覧

小説の脚注([#〜])が削除できない(Python re.sub())

hoiie

総合スコア5

Ubuntu

Ubuntuは、Debian GNU/Linuxを基盤としたフリーのオペレーティングシステムです。

正規表現

正規表現とは特定の文字列によるパターンマッチングを行う際に用いられる宣言型プログラミングです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

自然言語処理

自然言語処理は、日常的に使用される自然言語をコンピューターに処理させる技術やソフトウェアの総称です。

0グッド

0クリップ

投稿2020/01/02 12:28

前提・実現したいこと

青空文庫にある小説を解析するために、文章の整形を行っています。
文章内の脚注を削除するために以下のコードを実行したところ、正しく削除することができませんでした。

該当のコード

Python

1with codecs.open(fname,'r', 'shift-jis', 'ignore') as f: 2 text = f.read() 3 text = text.replace('|', '') 4 text = re.sub('《\w+》', '', text) 5 text = re.sub('[#\w+]', '', text) 6 text = text.replace('\r', '').replace('\n', '') 7 text = re.sub('[、「」?]', '', text) 8 text = re.sub('(\w+)', '', text) 9 text = re.sub('[\w+]', '', text) 10 hoge = text.split('-------------------------------------------------------') 11 text = hoge[2] 12 text = text.replace('\u3000', '') 13 14with codecs.open(hoge[0] + '.txt', 'w') as ff: #作者名作品名.txt 15 for s in sentence: 16 ff.write(s + '\n')

削除されなかった部分

今でも××の海岸にズラリと軒を並べている※[#┐を全角大とした屋号を示す記号240-14]友とか○金とかいう網元へ船を漕ぎ付けた漁師が仕事をさしてくれと頼むかね……そうすると店の番頭か手代みたような奴が物蔭へ引っぱり込んで片手で投げるような真似をしながら遣るかと訊く 絶影島を中心に左右へ引きはえる山影岩角は宛然たる名画の屏風[#ルビのびょうぶは底本ではじょうぶ]だ

脚注が登場する上の2文から脚注の部分が削除されていませんでした。

試したこと

\wが英数字にマッチするので、日本語はだめかと思い\Wでも試してみましたが、うまくいきませんでした。他の処理についてはうまくいっているので、なぜこれだけがうまくいかないのか皆目見当がつきません。

プログラミングに不慣れなため、コード自体のおかしな点などはご容赦ください。

ツールのバージョン

OSはUbuntuの18.04
Pythonは3.7.0です

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MY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。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

ベストアンサー

Python

1s = "絶影島を中心に左右へ引きはえる山影岩角は宛然たる名画の屏風[#ルビのびょうぶは底本ではじょうぶ]だ" 2re.sub('[#.*]', '', s) 3#'絶影島を中心に左右へ引きはえる山影岩角は宛然たる名画の屏風だ'

[、#、]は全角にしました。

投稿2020/01/02 13:05

meg_

総合スコア10736

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

hoiie

2020/01/03 00:17

\wの部分を.*にすることで正しく取り除くことができました。 ありがとうございます
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

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
85.36%

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る

質問する

関連した質問