質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.46%
URL

URL(ユニフォームリソースロケータ)とは、インターネット上のリソース(Webページや電子メールの宛先等)を特定するための形式的な記号の並びの事を言う。

正規表現

正規表現とは特定の文字列によるパターンマッチングを行う際に用いられる宣言型プログラミングです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

2回答

897閲覧

文章をPythonで正しく正規表現で置換したい

sakana100

総合スコア4

URL

URL(ユニフォームリソースロケータ)とは、インターネット上のリソース(Webページや電子メールの宛先等)を特定するための形式的な記号の並びの事を言う。

正規表現

正規表現とは特定の文字列によるパターンマッチングを行う際に用いられる宣言型プログラミングです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2021/11/22 08:01

文章中に以下のような改行が入ってしまっているURLがあります。
これを正しいURLになるよう置換したいと考えています。
以下例文を見てください。

これを直すために、

  1. 正規表現でURLをre.findallですべて抽出する
  2. for文回す

 - re.findallを抽出したをre.subを使って置換なしURLにする

  • 置換前の文章を前後一致で検索し、マッチした文字列を置換なしURLに置換する

この繰り返しをしたいのですが、以下のとおりに、うまくいきません。

例文

  • 現状

○○を使って行きます。
詳しくは以下URLをご覧ください。
<https://teratail.com/que
stions/input>

また上記URL以外にも以下が参考になります。
[テストリンク]h(ttps://teratail.com/que
stions/output)

  • 完成理想型

○○を使って行きます。
詳しくは以下URLをご覧ください。
https://teratail.com/questions/input

また上記URL以外にも以下が参考になります。
[テストリンク]h(ttps://teratail.com/questions/output)

実現したいこと

上記おかしな改行入りURLを改行なしURLに置換したい

困っていること

数十人が編集する文章のため、URLの挿入方法が複数あるため、抽出は出来ても、うまく置換ができずにいる。

実行すると、文章の最後まで一致してしまい、ほぼすべての文章が消えてしまう。

今やっていること

python

1 urls = re.findall(r'[[^]]+]([^)]+)', body, 2 flags=re.MULTILINE | re.DOTALL) 3 urls2 = re.findall( 4 r'<https://hogehoge[\s\S]*?>', body, flags=re.MULTILINE) 5 for n in urls2: 6 urls.append(n) 7 8 # 抽出したURLのリストを適切な形に直していく 9 if len(urls) != 0: 10 for i in urls: 11 url = i 12 print(i) 13 url = re.sub("\n", "", url) 14 url = re.sub("[>()]", "", url) 15 url = re.sub(".*https", "https", url) 16 url = re.sub("[.*]", "", url) 17 url = re.sub("\s", "", url) 18 url = re.sub(" ", "", url) 19 url = re.sub("<", "", url) 20 url = re.sub(">", "", url) 21 endText = url[-10:] 22 reg = "http[\s\S]*?" + endText 23 body = re.sub(reg, url, body)

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答2

0

以下です。

python

1import re 2 3text = '''○○を使って行きます。 4詳しくは以下URLをご覧ください。 5<https://teratail.com/que 6stions/input> 7 8また上記URL以外にも以下が参考になります。 9[テストリンク](https://teratail.com/que 10stions/output)''' 11 12text2 = re.sub(r'(<[^>]*)\n([^>]*>)', r'\1\2', text) 13text3 = re.sub(r'([[^]]*](http[^)]*)\n([^)]*))', r'\1\2', text2)

実行結果です。

python

1>>> print(text3) 2○○を使って行きます。 3詳しくは以下URLをご覧ください。 4<https://teratail.com/questions/input> 5 6また上記URL以外にも以下が参考になります。 7[テストリンク](https://teratail.com/questions/output)

投稿2021/11/22 08:52

ppaul

総合スコア24666

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

0

ベストアンサー

※ URL 文字列は >) までという前提です

python

1import re 2 3text = ''' 4○○を使って行きます。 5詳しくは以下URLをご覧ください。 6<https://teratail.com/que 7stions/input> 8 9また上記URL以外にも以下が参考になります。 10[テストリンク](https://teratail.com/que 11stions/output) 12'''.strip() 13 14result = re.sub(r'http.+?[>)]', 15 lambda m: m.group(0).replace('\n', ''), 16 text, flags=re.S) 17 18print(result) 19 20# 21○○を使って行きます。 22詳しくは以下URLをご覧ください。 23<https://teratail.com/questions/input> 24 25また上記URL以外にも以下が参考になります。 26[テストリンク](https://teratail.com/questions/output)

投稿2021/11/22 08:49

melian

総合スコア19865

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.46%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問