Python 文字列の抽出について

Question

前提・実現したいこと

sample.txtファイル内に存在する以下の要素を抽出したいです

抽出したい内容
●SELECT aaaaa bbbbb ccccc from ttttt where sssss or mmmmm (*1行で)
●0.2

※Module: Basesceduleは不変ですが、値は変更されるのでわからない前提となります。

sample.txt1(中身)

Module: Basescedule
SELECT aaaaa bbbbb ccccc from ttttt
where sssss or mmmmm

0.2 6 0.04 3.E+03 .0 .0

compile:seccase
SELECT aaaaa bbbbb ccccc from ttttt

0.3 6 0.04 3.E+03 .0 .0

Module: recpuc
SELECT ddddd fffff from ttttt

0.4 7 0.04 3.E+03 .0 .0

---

'module Basescedule'を範囲として文字列を抽出する方法を試したのですが、うまくいきません。

import re

filepath = 'C:\Users\Desktop\新しいフォルダー\sample.txt'

def extract_text_in_file(filepath, pattern_prev, pattern_next):
    extracted_text_array = []
    pattern = pattern_prev + '(.*)' + pattern_next
    with open(filepath, "r", encoding="utf-8") as f:
        lines = f.readlines()
        for line in lines:
            tmp_extracted_text_array = re.findall(pattern, line)
            extracted_text_array.extend(tmp_extracted_text_array)

    return extracted_text_array

pattern_prev = 'Module: Basescedule:'
pattern_next = ''
extracted_text_array = extract_text_in_file(filepath, pattern_prev, pattern_next)

for extracted_text in extracted_text_array:
    print(extracted_text)

#質問
・そもそも文字列を抽出するロジックが間違っているのでしょうか？

・指定した文字列を含む行を検索し、それ以下の行を取り出す良い方法は何かありますでしょうか？

文字列の抽出方法にお詳しい方、アドバイスをよろしくお願いします。

Comments

[meg_]

「うまくいきません」とはどうなったのでしょうか？

Answer 1

SELECT 文の抽出のみ示します:

import re

filepath = 'C:\Users\Desktop\新しいフォルダー\sample.txt'

def extract_text_in_file(filepath, pattern_prev, pattern_next):
    extracted_text_array = []
    with open(filepath, "r", encoding="utf-8") as f:
        is_extracting = False
        for line in f:
            line = line.rstrip()
            if not is_extracting:
                if re.match(pattern_prev, line):
                    is_extracting = True
                continue
            if re.match(pattern_next, line):
                break
            extracted_text_array.append(line.rstrip())

    return extracted_text_array

pattern_prev = r'Module: Basescedule'
pattern_next = r'^$'
extracted_text_array = extract_text_in_file(filepath, pattern_prev, pattern_next)
# for extracted_text in extracted_text_array:
#     print(extracted_text)
print(' '.join(extracted_text_array))

実行結果:

$ python test.py
SELECT aaaaa bbbbb ccccc from ttttt where sssss or mmmmm

もしかしたら re.MULTILINE を使えば
正規表現ひとつで抽出できるかもしれませんが、
正規表現がかなり複雑化することが予想され、
理解が難しくなりそうでしたのでやめておきました

Comments

[polpop]

y_shinodaさん
分かりづらい質問にも関わらずご回答いただきありがとうございます。
とても勉強になりました！
頂いた内容を参考にちょっと自分で頑張ってみます！
ありがとうございました