Pythonで特定の文字列を抽出したい

Question

下記のメール本文から〇〇〇の中身を取得したいです。
現在下記の方法、正規表現で文字列を取得しておりますが、
ただ文字数が変化する場合がありますので、取得精度は高くないです。

〇〇〇Bは毎回固定です。
11.0MB,1.0GB,111.0GB、1111.0GBなど変化しますが、**の間変化はないです。

そのため本文の前後の文字数が変化しても**の間にある文字をより良い制度で取得する方法ありますでしょうか。

一部取得部分

 #本文からcapacityを取得
   capacity=(re.findall('reached *.*MB', body))[0][9:]
   print(capacity)

メール本文内容

Hello,

Please note that your Webtest Spot device (id: 12345) has
reached *11.0MB* today.

取得結果

11.0MB

メール本文取得CODE

#メール本文からメールアドレス取得----------------------------------------
import imaplib, re, email, six, dateutil.parser
import base64

mail=imaplib.IMAP4_SSL('imap.gmail.com',993) 	#SMTPは993,POPは995
mail.login('example@','1213')
mail.select('example')	#メールボックスの選択

#UNSEEN未読メールを読み込む
# type,data=mail.search(None,'UNSEEN') #メールボックス内にあるすべてのデータを取得ALL

#特定のメールUNSEEN未読メールを読み込む
term = u"alert".encode("utf-8")
mail.literal = term
type,data=mail.search("utf-8", "UNSEEN SUBJECT")

for i in data[0].split():   #data分繰り返す
 ok,x=mail.fetch(i,'RFC822')    #メールの情報を取得
 #文字コード指定
 ms=email.message_from_string(x[0][1].decode('iso-2022-jp'))    #パースして取得

 #差出人を取得
 ad=email.header.decode_header(ms.get('From'))
 ms_code=ad[0][1]
 if(ms_code!=None):
  address=ad[0][0].decode(ms_code)
  address+=ad[1][0].decode(ms_code)
 else:
  address=ad[0][0]

#  #タイトルを取得
#  sb=email.header.decode_header(ms.get('Subject'))
#  ms_code=sb[0][1]
#  if(ms_code!=None):
#   sbject=sb[0][0].decode(ms_code)
#  else:
#   ms_code=sb[1][1]
#   sbject=sb[1][0].decode(ms_code)

 #本文を取得
 if ms.is_multipart():
  for payload in ms.get_payload():
   if payload.get_content_type() == "text/plain":
    body = payload.get_payload()

   else:
    if ms.get_content_type() == "text/plain":
     body = ms.get_payload()

  #メールの日時を取得
  #time = dateutil.parser.parse(ms.get('Date')).strftime("%Y-%m-%d %H:%M")
  #time_comment = dateutil.parser.parse(ms.get('Date')).strftime("%Y-%m-%d %H:%M")

  #print(time)

 #出力
  print(body)
 #print(address)
 #  
  #Data confirm null確認
  if not body:
   print('NULL')
  else:
  
   mail.close()
   mail.logout() 

#    #body文字コードを元に戻すbase64
#    body_decode=(base64.b64decode(body).decode())
#    print(body_decode)

#    id=(re.findall('(\w+): ([-\w\s@.]+)', body))[1][1]
#    print(id)

   #本文からcapacityを取得
   capacity=(re.findall('reached *.*MB', body))[0][9:]
   print(capacity)

Answer 1

先読みアサーションと後読みアサーションを使うと以下のようになります。

>>> print(body)
Hello,

Please note that your Webtest Spot device (id: 12345) has
reached *11.0MB* today.
>>> print(re.findall(r'(?<=*)\d*.\d*.B(?=*)', body)[0])
11.0MB

Comments

[fideo]

ありがとうございます。
上記の方法も試してみます。

Answer 2

例えば、こんなふうに。

capacity = re.findall(r'reached *.+?*MB', body)[0]

正規表現文字列において、*や.は特別な意味を持ちます。
その文字そのままとして扱いたい場合はエスケープが必要です。

.+? はいわゆる最左最短一致ですね。

Comments

[fideo]

回答ありがとうございます。
すいません、上記の方法で取得できませんでした。
質問内容少し具体的にしました。

*〇〇〇B*は毎回固定です。
*11.0MB*,*1.0GB*,*111.0GB*、*1111.0GB*など変化しますが、**の間変化はないです。

下記の方法でもできそうですが、ただ「reached ** today」の文字削除する
スクリプトを入れないといけないです。
もしもっと簡単にできれば、教えていただけるとありがたいです。

#本文からcapacityを取得
capacity = re.findall(r'reached *.+?* today', body)[0]
print(capacity)

　reached *1.0GB* today

[LouiS0616]

capacity = re.findall(r'reached *(.+?)* today', body)[0] を試してみて下さい。

[fideo]

()で囲むと、その部分の文字列が抽出できることが確認で来ました。
ありがとうございます。