正規表現で、特定の文字列のある行の末尾だけを削除したい

Question

前提・実現したいこと

「特定の文字列"（ "を含んでいる行」の末尾の改行から、
特定の文字列"（ "を含んでいない行」の最後
「末尾の改行」を削除する方法を知りたいです。

例えば以下のテキストを入力として、、

あああ（ ほげ ）
いいいいい（ ほげ ）
ううううううううううううううう
えええええええ
おおおお（ ほげ ）
かかかかかかかか

以下のテキストのように出力させたいです。

あああ（ ほげ ）いいいいい（ ほげ ）うううううううううううううううえええええええ
おおおお（ ほげ ）かかかかかかかか

処理は次のようになると思うのですが、ロジックと正規表現で選択の仕方が難しく方法の検討がついていません。

あああ（ ほげ ）
いいいいい（ ほげ ）　←削除する
ううううううううううううううう←削除する
えええええええ←削除する
おおおお（ ほげ ）←"（ "の無い行を過ぎて、"（ "のある行に到着したので改行は削除しない
かかかかかかかか←削除する

Comments

[hope_mucci]

正規表現で解決しないとダメなのでしょうか？

[ratera]

すみません。今確認しました。
そういうわけではないです！

Answer 1

処理は次のようになると思う

この条件設定が微妙に的を外しているように見えます。

対象テキストを１行ずつ上から見ていくとして:

• 現在注目している行に全角開き括弧が含まれており、かつ、ひとつ前の行に全角開き括弧が含まれていないならば、改行を出力する。
• 上記の処理の後に当該行のテキストを出力する。

という感じではないでしょうか。

とりあえずこの認識に従って愚直にループを回して処理してみました。
（正規表現で処理できるかもしれませんが、このケースでは無駄にややこしすぎるように思います。）

#!/usr/bin/env python                                                                                                                     
# -*- coding: utf-8 -*-                                                                                                                   

import re

testtxt = """あああ（ ほげ ）                                                                                                             
いいいいい（ ほげ ）                                                                                                                      
ううううううううううううううう                                                                                                            
えええええええ                                                                                                                            
おおおお（ ほげ ）                                                                                                                        
かかかかかかかか"""

prev = ""
for x in testtxt.split("\n"):
    if (re.search("^[^（]+$", prev) and re.search(r"（", x)):
        print("")
    print(x, end="")
    prev = x

Comments

[ratera]

ありがとうございます！
色々と変えて、自分で理解できるように抑えていきたいと思います。

Answer 2

正規表現1つの置換では難しいと思います。
マッチングと置換文字列を分けて考えるとやりやすいと思います。

1. 正規表現で対象の文字列をマッチさせる。
2. 置き換え文字列はマッチした文字列から改行を取り除いた文字列とする。

マッチさせる正規表現のイメージは以下のようになります。

( ( 改行が含まれず、全角"（"が少なくとも1つ含まれる文字の並び ) の後に改行 ) … ①
が1回以上の繰り返し
の後に
( ( 改行も全角"（"も含まれない文字の並びが1回以上 ) の後に改行 )
が1回以上の繰り返し … ②

① 例えば、以下のような書き方があります。
    改行が含まれない文字の並びが0回以上  全角"（"  改行が含まれない文字の並びが0回以上
② マッチが成功する最長の文字列である必要があります。

上記でマッチした文字列に対し、改行文字を空文字に置換したものを置換先文字列とします。

Comments

[ratera]

ご丁寧にありがとうございます。
仰る通り、マッチングと置換を分けて考えると理解しやすいです。
ありがとうございます。

Answer 3

こんな感じでしょうか？

import re
  
data = """あああ【 ほげ 】
いいいいい【 ほげ 】
ううううううううううううううう
えええええええ
おおおお【 ほげ 】
かかかかかかかか"""

print(re.sub(r'([^\n]*【[^\n]*)\n(([^【\n]+)\n([^【\n]+\n)|)',r'\1\3\4',data))

テストデータのカッコ'('が全角だったので、正規表現がわかりやすいように'【'かえております。

Comments

[hope_mucci]

'【'なしの行が連続3行以上入ると想定と異なる結果が返ってくると思います。

[mit0223]

hope_mucci様ご指摘ありがとうございました。修正しました。

[ratera]

'【'にするとわかりやすいですね。
その発想にいたりませんでした、、、教えてくださりありがとうございます。

Answer 4

正規表現でマッチさせ、replaceで改行を空文字に置き換えるコードは以下のようになります。

import re
s = """あああ（ ほげ ）
いいいいい（ ほげ ）
ううううううううううううううう
えええええええ
おおおお（ ほげ ）
かかかかかかかか
"""
t = re.sub(r'(([^\n]*（[^\n]*\n)+([^（]+\n)+)', lambda m: m.group().replace('\n',''), s, flags=re.DOTALL|re.MULTILINE)
print(t)

Answer 5

改行を削除するのではなく、改行を追加するといくようにかんがえてはどうでしょう？

以下のプログラムではファイル内容を全部よみこんで、"\n" ｄ split して
改行を削除して行データを保持します。
そして、上の行の状態と今処理している行の状態をみて 改行を追加するか/しないか をきめています。

path = "a.txt"
with open(path) as f:
    data = f.read()
    # print(data)
# print()

lines = data.split("\n")
ans = []
prev_has_kakko = False
for line in lines:
  if line.find("（") < 0:
    prev_has_kakko = False
  else:
    if not prev_has_kakko and len(ans) > 0:
      ans.append("\n")
    prev_has_kakko = True
  ans.append(line)
print("".join(ans))

実行例