正規表現でカッコ内の文字列を抽出したい

Question

前提・実現したいこと

x = 'ABC (abc) (def)'
y = 'ABC (efg)'
という2つの文字列があり、正規表現を使って後ろの括弧だけから文字列を抜きだしたい。
xからは'def'、yからは'efg'を抜き出したい。
以下のコードではyは意図したとおりに抜き出せたが、xではコードを変更する必要がありそう。
同じコードでどちらも意図したように文字列を抜き出せないでしょうか？

これは単純化した例で、文字列はもっと複雑で、3文字では無いです。
括弧の数は例のように1～2個で、2個の場合は半角スペースで隣接しています。

該当のソースコード

#In
x = 'ABC (abc) (def)'
y = 'ABC (efg)'

pattern=re.compile(r'(?<=().+(?=))')
x_result=pattern.search(x).group().strip()
y_result=pattern.search(y).group().strip()
print (x_result)
print (y_result)

#Out
abc) (def
efg

Answer 1

単純に、

for a in ["ABC (abc) (def)","ABC (efg)"]:
    b = re.search(r".*((.*?))",a)
    print(b.group(1))

でいいかと思います。
前半に最長マッチである.*を書けば最後の括弧がヒットします。

Comments

[muryayan]

ありがとうございます！そんなに簡単に正規表現で後ろの括弧から抜き出せるとは驚きました。
".*?((.*?))"とすれば、最初の括弧から抜き出すこともできるのですね。

[itagagaki]

もう言うまでもないと思いますが、これも予期せず()を含まないテキストを食ったらエラーになっちゃうのでお気を付けを。余計なおせっかいでした。

[otn]

実際のプログラムに組み込む時はそうですね。

[muryayan]

おせっかいなんてとんでもないです。何万件かのデータ処理しているので、今後括弧がないデータが出てくる可能性もあります。itagagakiさんのコードも参考にさせていただています。

Answer 2

質問にある、

x = 'ABC (abc) (def)'
y = 'ABC (efg)'

という二つの入力サンプルから、何をどこまで前提としてよいのか？ がはっきりしていると、より分かりやすい正規表現で対応できるかと思います。たとえばサンプルから読み取れる、入力文字列の条件として

• 入力文字列の最後の文字は ) である。
• 対になる (と ) とに囲まれる部分は[a-z]+ (あるいは、\w+など） としておけば事足りる。

というものなのであれば、以下でよいかと思います。

import re

x = 'ABC (abc) (def)'
y = 'ABC (efg)'

regexp = r'(\w+))$'

m = re.search(regexp, x)

for text in [x, y]:
  m = re.search(regexp, text)
  if m:
    print(m.group(1))

出力結果：

def

efg

追記1

正規表現を使うというのがお題なのだとは思いますが、必ずしも正規表現を使わずとも、以下でもよいのではないかと思えました。

x = 'ABC (abc) (def)'
y = 'ABC (efg)'

for text in [x, y]:
  lastword = text.split(' ').pop().strip('()')
  print(lastword)

出力結果：

def

efg

追記2

コメントから頂きました、

実際の文字列内にはスペースもあるので、

というのは、( と ) で囲まれた文字列にはスペース（などの空白記号)が含まれる可能性がある、ということと解釈しました。そうだとすると、確かに上記の追記1 だと対応できませんね。

( と ) で囲まれた文字列の前提条件としては、

• ( と ) は含まれない

という制約のみとしつつも、split を使えないか？と考えると、正規表現モジュールre の split を使って、これでもいけそうです。

import re

x = 'ABC (ab c) (d ef)'
y = 'ABC (e f g)'

for text in [x, y]:  
  lastword = re.split(r'[()]', text)[-2]
  print(lastword)

出力結果：

d ef

e f g

Comments

[muryayan]

なるほど。正規表現を使わなくても出来そうですね。
確かに正規表現もそんなに簡単にできるのですね。大変参考になりました。
ありがとうございました。

[muryayan]

実際の文字列内にはスペースもあるので、やはり正規表現は必要なようです。質問に前提条件をしっかり記載していなくてすみません。

[退会済みユーザー]

コメントありがとうございます。

> 実際の文字列内にはスペースもあるので、やはり正規表現は必要なようです。

とのことでしたので、回答に正規表現モジュールの split を使った案を追記しました。

> 質問に前提条件をしっかり記載していなくてすみません。

いえ、問題ございませんですよ????

正規表現を問うご質問で、入力文字列の満たす､必要かつ十分な条件を記述するのは難しいと思います。私の回答ふくめ、みなさんのご回答を参考にしながら、実際に取り組まれている課題を解決するための正規表現に求める要件（入力は何を前提にしてよくて、正規表現にどこまでやってもらうか？）を見直しされていけばよいかと思います。

[muryayan]

ありがとうございます！そんな解き方もあるのですね。色々参考になります。

Answer 3

import re

def inLastParen(text):
    pattern = re.compile(r'((.*?))')
    groups = pattern.findall(text)
    return groups[-1] if len(groups) > 0 else ''

x = 'ABC (abc) (def)'
y = 'ABC (efg)'
z = 'ABC xxx'

print (inLastParen(x))
print (inLastParen(y))
print (inLastParen(z))

Comments

[muryayan]

ありがとうございます。match.lastindexというのがあるのですね。勉強になりました。

[muryayan]

inLastParen(x)でabcが表示されるのですが、なぜでしょうか？defの方を表示させたいのですが。

[itagagaki]

すみません。コードにミスがありましたので修正しました。
searchではなくmelianさんの回答のようにfindallを使うべきでしたね。
なのでBAはmelianの回答でいいと私は思うのですが、私が余計なおせっかいをしたようですみません。

[muryayan]

修正ありがとうございます。皆さんから色々な解法を教えていただき、大変勉強になりました！

Answer 4

今のコードを活かしたいなら、次のようなパタンでしょうか。

# 後ろのカッコが文字列の最後の場合
pattern = re.compile(r'(?<=()[^()]*(?=)$)')

# 後ろのカッコ以降も文字がある場合
pattern = re.compile(r'(?<=()[^()]*(?=)[^()]*$)')

.(全部)を[^()](カッコ以外)に変更したのと、
閉じカッコ以降にカッコが出てこないという条件を追加しています。

Comments

[muryayan]

なるほど。括弧以外の文字列だけ抽出して、末尾の括弧閉じるとマッチさせるのですね。
解読に時間がかかりました。。。
ありがとうございます。

Answer 5

import re

x = 'ABC (abc) (def)'
y = 'ABC (efg)'

pattern = re.compile(r'((.*?))')
x_result = re.findall(pattern, x)[-1].strip()
y_result = re.findall(pattern, y)[-1].strip()

print(x_result)
print(y_result)

#
def
efg

Comments

[muryayan]

なるほど。カッコ内をfindallで全て抽出して、[-1]でリストの一番後ろの文字列を選べば良いのですね。
ありがとうございました！

[itagagaki]

リストが空の場合はエラーになっちゃうと思うので気を付けてください。

[melian]

> 括弧の数は例のように1～2個で

[itagagaki]

例外はあり得ないからこのコードで良いのだということをおっしゃりたいのですね。

[muryayan]

そうですね。括弧がないという例外は今のところ無いです。

[melian]

ええ、もしも任意個という条件でしたら、

x_result = m[-1].strip() if (m := re.findall(pattern, x)) else ''

としていたでしょう(Python 3.8 以降のみ）。

[itagagaki]

実装の現場で、もし万が一想定外のデータが来たときのことも考えておかないと不具合の原因になりますから注意してくださいねと申し上げたまでですよ。

[melian]

> itagagaki
実装の現場を想定していましたか、さすがです。

> muryayan
muryayan さん、ベストアンサーの座は謹んで辞退しますので、itagagaki さんを含め、他の回答者にお与え下さい。

Answer 6

あらかじめ文字列内に ( が何回出てくるかをcountで確認しておいて、1回出てくる場合と2回出てくる場合で正規表現を分けるのはダメなのでしょうか？
正規表現だけで実装する方法は自分だとわからないですね。