複数の改行を、１行、もしくは「、」で繋ぎたい

Question

Pythonで複数行の改行を１行の改行にする、もしくは、「、」で繋ぐ方法が知りたいです。

company_page = BeautifulSoup(get_response(detail_url).text,'html.parser')
                company_name = company_page.select_one('h2 a').text
                dts = company_page.select('.jsDefinitionList dt')
                dds = company_page.select('.jsDefinitionList dd')
                
                for dt, dd in zip(dts,dds):
                    if "業界" in dt.text:
                        print(type(dt.text.strip()))
                        print('業界は、', dd.text.replace('\n',''))
                        exit()
                    if "URL" in dt.text:
                        print('リンク先は、', dd.select_one('a')['href'])

上記コードの実行結果は以下となります。

こちらなのですが、「業界は、 コンサルティング、シンクタンク」ここの部分と「SIer、ソフト開発、システム運用」ここの部分に、複数の改行が存在しています。
仮にprint('業界は、', dd.text.strip())ここの部分をprint('業界は、', dd.text.replace('\n','')とした場合、「業界は、 コンサルティング、シンクタンクSIer、ソフト開発、システム運用」ここのように、「シンクタンク」と「SIer」が繋がってしまいます。
こちらの問題を解決する為、どなたかご助言頂けましたら幸いです。

追記です
print('業界は、', dd.text.replace('\n','、'))こちらのようにした場合は、以下のように「、」が複数ついてしまう状態となってしまいます。

業界は、 、、、コンサルティング、シンクタンク、、、SIer、ソフト開発、システム運用、、、

Answer 1

re.sub()を利用することで解決できるかと思います。

>>> import re
>>> text = """コンサルティング、シンクタンク
... 
... 
... 
... SIer、ソフト開発、システム運用"""
>>> 
>>> print("業界は、", re.sub(r"(\r?\n)+", "、", text))
業界は、 コンサルティング、シンクタンク、SIer、ソフト開発、システム運用

Comments

[aae_11]

ご回答ありがとうございます。
正規表現で解決方法、参考にさせて頂きたいと思います。

Answer 2

面倒ですが、whileループ内で、「、、」が二つ連続していたら「、」に置き換える処理を回し続け、連続している箇所がなくなったらbreakで離脱するような処理を書けば期待の結果は得られそうですね。

Comments

[aae_11]

ご回答ありがとうございます。
正規表現での解決方法も教えて頂いたのですが、正規表現は苦手ですし、「while」ループで解決する手段も良いかもしれませんね。

[siruku6]

正規表現にいつかぶつかることもあると思うので、今後もプログラミングを長々と続けていくつもりであれば、理解しておくと有利にはなると思います。

私もあまり書かないのですが、他人の書いた正規表現に出くわして困ることがあるので、正規表現に慣れておいてもいいかもしれません！

Answer 3

print('業界は、', dd.text.replace('\n','、')

ではだめですか？

だめならば、

import re
print('業界は、', re.sub("、?\n+", "、", dd.text))

で、いかがですか？

Comments

[aae_11]

ご回答ありがとうございます。
頂いたご回答の結果を質問本文にも追記させて頂いたのですが、「業界は、 、、、コンサルティング、シンクタンク、、、SIer、ソフト開発、システム運用、、、」こちらのように「、」が複数ついてしまうといった状態になってしまいます...

[shiracamus]

別案追記しました。

[aae_11]

追記ありがとうございます。
気にする程でもないかとは思うのですが、追記頂きました内容の場合、「業界は、 、コンサルティング、シンクタンク、SIer、ソフト開発、システム運用、」と「、」が先頭と末尾に付いてしまっていた為、「print('業界は、', re.sub("、?\n+", "、", dd.text).strip('、'))」こちらのように「strip」をつけましたら、削除することが出来、解決することが出来ました。
すみません。重ね重ね申し訳ないのですが、正規表現についてあまり詳しくなく、教えて頂きたい部分があるのですが、 「 、?\n+ 」こちらはどのようなことを意味しているのでしょうか...?
「+」は直前の文字を一回以上の繰り返しであり、「?」は直前の文字の０回または１回の繰り返しだと認識はしているのですが、いまいち何を判定しているのかが分からないといった状態でして...

[aae_11]

問題は解決しましたので、一旦BAとさせて頂きます！

[shiracamus]

print('業界は、', re.sub("、?\n+", "、", dd.text.strip()))
の方が簡単そうです。
「、?」 は、「、」があってもいいしなくてもいい（あれば置換対象に含める）
「\n+」は、「\n」（改行文字）が1個以上連続している
です。
「、\n」の場合に「、、」にならないようにしています。

[aae_11]

ご返信ありがとうございます。
>「\n+」は、「\n」（改行文字）が1個以上連続している
こちらなのですが、改行文字が一つ以上連続しているというのは、改行文字のみの連続でなければならない為、「、\n」の場合に「、、」とならないといった理解であっていますでしょうか...?

[shiracamus]

いえ。「\n\n\n\n\n」と改行が何個も連続していたとしても「、」1個に置き換える、という意味です。
直前に「、」があれば、「、」も含めて「、」1個に置き換えます。