英語と日本語が合体した単語だけを除きたい

Question

前提・実現したいこと

pythonで地名に関するデータを編集をしています。
データとしては、下記のような形です。

Tokyo-to, Japan
北海道 小樽市
Shibuya-ku, Tokyo
東京 新宿区
長野 松本市
Shibuya-ku, Tokyo
JRA 東京競馬場
Joetsu-shi, Niigata
JR三ノ宮駅
Shinto-mura, Gunma
JR 東海三島駅・新幹線
Chiyoda-ku, Tokyo
Aomori-shi, Aomori

ここから、JR三宮駅、JRA 東京競馬場といった、英語と日本語が合体した単語だけを除きたいのですが
どうしたらいいのでしょうか？

発生している問題・エラーメッセージ

日本語だけの地名は省くことができ、以下のようなデータを取るとこまではできました。

Tokyo-to, Japan
Shibuya-ku, Tokyo
Shibuya-ku, Tokyo
JRA 東京競馬場
Joetsu-shi, Niigata
JR三ノ宮駅
Shinto-mura, Gunma
JR 東海三島駅・新幹線
Chiyoda-ku, Tokyo
Aomori-shi, Aomori

該当のソースコード

import re

for i in res["hits"]["hits"]:
    match = re.match('[a-zA-Z]', i["_source"]["place"]["full_name"])
    if match != None:
        print(i["_source"]["place"]["full_name"])

i["_source"]["place"]["full_name"]に元のデータが入ってます

試したこと

re.search('[ぁ-ん ァ-ン 一-龥]', i["_source"]["place"]["full_name"])をつかって、if match != None:の分岐後、日本語を含む単語であれば、その地名を省くように書いたのですが省かれませんでした

補足情報（FW/ツールのバージョンなど）

python3 正規表現

Answer 1

漢字やひらがな、カタカナは全部が Unicode 上で連続して並んでいるわけではないので、ぁ-ん ァ-ン 一-龥 のように範囲で判定するのは無理なのではないでしょか。
調べたら以下のやり方が見つかりました。

方法1: regex で Unicode プロパティでマッチさせる。

Unicode のプロパティマップというのがあるそうですが、標準ライブラリは re モジュールは対応していないので、regex という外部のライブラリを使う必要があるみたいです。

正規表現での漢字マッチをUnicodeプロパティーを使って綺麗に書く方法 in Python - Qiita

方法2: Unicode 文字の名前で判断する。

例えば、あ の Unicode 上での正式名称は HIRAGANA LETTER A 、漢字だと CJK UNIFIED ~ となっているので、この名称で判断する方法もあります。

print(unicodedata.name("あ"))  # HIRAGANA LETTER A
print(unicodedata.name("毛"))  # CJK UNIFIED IDEOGRAPH-6BDB

Pythonで、文字列に日本語が含まれているか判定する - minus9d's diary

方法2の場合のコード

import unicodedata

lst = [
    "Tokyo-to, Japan",
    "北海道 小樽市",
    "Shibuya-ku, Tokyo",
    "東京 新宿区",
    "長野 松本市",
    "Shibuya-ku, Tokyo",
    "JRA 東京競馬場",
    "Joetsu-shi, Niigata",
    "JR三ノ宮駅",
    "Shinto-mura, Gunma",
    "JR 東海三島駅・新幹線",
    "Chiyoda-ku, Tokyo",
    "Aomori-shi, Aomori",
]


def is_japanese(string):
    include_jp = False  # string が日本語 (漢字、カタカナ、ひらがな) を含むかどうか
    include_en = False  # string がアルファベットを含むかどうか
    for ch in string:
        name = unicodedata.name(ch)
        if "CJK UNIFIED" in name or "HIRAGANA" in name or "KATAKANA" in name:
            include_jp = True
        elif "LATIN" in name:
            include_en = True

    # 日本語とアルファベットの両方が含まれる場合は False そうでない場合は True を返す。
    return not (include_jp and include_en)


lst = list(filter(is_japanese, lst))

for name in lst:
    print(name)
# Tokyo-to, Japan
# 北海道 小樽市
# Shibuya-ku, Tokyo
# 東京 新宿区
# 長野 松本市
# Shibuya-ku, Tokyo
# Joetsu-shi, Niigata
# Shinto-mura, Gunma
# Chiyoda-ku, Tokyo
# Aomori-shi, Aomori

JRA 東京競馬場
JR三ノ宮駅
JR 東海三島駅・新幹線

の3件が除外されました。

Comments

[bokuranoheya]

方法2でできました。本当にありがとうございます。コードまで書いていただいて、ソースの記事まで貼っていただき、助かりました！