特定のキーワードに囲まれた文字列を正規表現で抜き出したいが、そのキーワードが別の箇所にも登場する

Question

まず、わかりにくい表題ですみません。

環境はpython3系です。

以下例における【影響地域】～【対象機器】間のキーワードを正規表現で抜き出したいです。

import re

message1 = '''
【故障発生日時】　2020年06月18日（木）02時14分
【故障復旧日時】　2020年06月18日（木）02時32分
【対象サービス】　サービスA
【影響地域】　　　山口県 周辺
【対象機器】　　　hoge端末
【状況】　　　　　影響地域内にて停止しておりました
【備考】　　　　　特になし'''

match_aff = re.findall(r'【影響地域】((.|\s)*?)【対象機器】', message1)

affect_msg = match_aff [0][0]
print(affect_msg)

これは正常に動作し、「山口県 周辺」が返ります。

しかし、以下の場合正規表現が終わりません。

import re

message2 = '''
【故障発生日時】　2020年06月18日（木）02時14分
【故障復旧日時】　2020年06月18日（木）02時32分
【対象サービス】　サービスA
【影響地域】　　　山口県 周辺
【対象機器】　　　hoge端末
【状況】　　　　　影響地域内にて停止しておりました
【備考】　　　　　詳細確認の結果、本故障における影響範囲に変更がございます。
                  ・訂正前
                 【影響地域】　　　鳥取県　周辺
                  ・訂正後
                 【影響地域】　　　山口県 　周辺'''


match_aff = re.findall(r'【影響地域】((.|\s)*?)【対象機器】', message2)

affect_msg = match_aff [0][0]
print(affect_msg)

キーワードの片方である【影響地域】が複数登場したためだと思うのですが、、、

上記message2のようなケースでも、「山口県 周辺」を返せるようにするにはどうしたらよろしいでしょうか？

＃【影響地域】の前にスペースやタブが存在しても動作するようにしたいです。

有識者の方、お知恵をいただけますと幸甚です。

https://qiita.com/anqooqie/items/191ad215e93237c77811
等　調べてみたのですが、自力では解決できなかったもので・・・

Comments

[toast-uz]

メッセージは行末改行がエスケープされているため改行なしの文字列になっていますが、正しいですか？
複数行文字列でしたらエスケープは使わずに'''で囲むことで記述可能です。
また、抽出された文字列の前後の空白が残ってしまっていますが、それは意図通りの操作ですか？空白を消す正規表現の方が望ましくはないですか？

[shinjukuzame]

＞メッセージは行末改行がエスケープされているため改行なしの文字列になっていますが、正しいですか？
ご指摘の通り、意図する状況ではないため修正させていただきました。

前後の空白を除去することはマストではございませんが、より望ましい状況ではあります

Answer 1

正規表現を使わなければよいのではありませんか？

message2 = "\
【故障発生日時】　2020年06月18日（木）02時14分\
【故障復旧日時】　2020年06月18日（木）02時32分\
【対象サービス】　サービスA\
【影響地域】　　　山口県 周辺\
【対象機器】　　　hoge端末\
【状況】　　　　　影響地域内にて停止しておりました\
【備考】　　　　　詳細確認の結果、本故障における影響範囲に変更がございます。\
                  ・訂正前\
                 【影響地域】　　　鳥取県　周辺\
                  ・訂正後\
                 【影響地域】　　　山口県 　周辺"

m2 = message2.split('【')
msg = ''
for s in m2:
    if msg and s.startswith('対象機器】'):
        affect_msg = msg
    msg = s[5:] if s.startswith('影響地域】') else ''

print(affect_msg)

Comments

[shinjukuzame]

ご回答ありがとうございました。
正規表現に拘らないアプロ―チ、参考になりました。

Answer 2

(.|\s)を(\S|\s)に変える（空白以外または空白）。

イディオム的には[\S\s]をよく見かけます。

Comments

[shinjukuzame]

ご回答ありがとうございます。
確かに　(\S|\s)　と書くと私の意図する通り動作いたしました。

なぜ(\S|\s)　と書けば今回のようなケースを回避できるのでしょうか？
ひんととなるようなURLや検索のキーワードなど頂けますとありがたいです

Answer 3

~~理屈は不明だけど、~~こちらではこれで動いた

match_aff = re.findall(r'【影響地域】((.|\n)*?)【対象機器】', message2)

(a|a)というパターンがReDoSとなるそうなので、
(.|\s)?というパターンもスペースに対してReDoSになっていたのではないでしょうか。

Comments

[shinjukuzame]

ご回答ありがとうございます。
＃恥ずかしながらReDoSという用語自体知りませんでした。
有益な情報を、ありがとうございました

Answer 4

質問者様に修正いただいた情報で、回答します。affect_msgのところも変えていますのでご注意ください。

以下の観点で使いやすいと思います。

• 次の行の【対象機器】に依存していないため、表示順が変わっても対応可能である
• 得られた結果の前後の空白も削除している
• match_aff[1]、match_aff[2]などとすることで、備考側も取得するこができる

match_aff = re.findall(r'【影響地域】\s+(\S.*\S)\s*', message2)

affect_msg = match_aff [0]
print(affect_msg)

Comments

[shinjukuzame]

ご親切にありがとうございました。
大変参考になりました。使いやすさ　まで考慮いただき、感謝申し上げます。

[otn]

【影響地域】は必ず１行という前提があったのですか？
質問文のコードが次のタグを見てるので、てっきり複数行前提かと思っていたのですが。