Pythonでの複数項目の後読み（先読み）
解決済
回答 1
投稿
- 評価
- クリップ 0
- VIEW 1,546
前提・実現したいこと
Pythonで文字列を検索するプログラミングを作成しています。
以下のように、複数項目の後読み（および先読み。以下、「後読み」とだけ表記します）を行いたいです。
つまり、「<AAA>の中の<BBB>の中の111」を取り出したいです。
string1のときは、普通の後読みを行っているので勿論「111」と表示されます。
問題はstring2の方で、こちらは、<AAA>と<BBB>の間に<CCC>がはさまっています
「<AAA>の後読みを行い、その後<BBB>の後読みを行う」という2項目の後読みを試みましたが、以下のエラーが表示されました。
調べたところ、後読みは一定文字列しか扱うことができず、きちんと「<AAA><CCC><BBB>」と書くしか無さそうでした。
string1とstring2を同様の後読みにより処理したいという希望があり、このような点で頭を悩ませています。
何か上手い方法があればご教授下さい。
発生している問題・エラーメッセージ
111
Traceback (most recent call last):
File "question0.py", line 13, in <module>
print matchOB2.group()
AttributeError: 'NoneType' object has no attribute 'group'該当のソースコード
import re
string1 = '<AAA><BBB>111</BBB></AAA>'
string2 = '<AAA><CCC><BBB>111</BBB></CCC></AAA>'
pattern1 = re.compile(r'(?<=<AAA><BBB>)\d+(?=</BBB></AAA>)')
pattern2 = re.compile(r'(?<=<AAA>)(?<=<BBB>)\d+(?=</BBB>)(?=</AAA>)')
matchOB1 = re.search(pattern1, string1)
matchOB2 = re.search(pattern2, string2)
print matchOB1.group()
print matchOB2.group()試したこと
例えば
「pattern2 = re.compile(r'(?<=<AAA>).*?(?<=<BBB>)\d+(?=</BBB>).*?(?=</AAA>)')」
など、他の正規表現も利用してみました。すると
<CCC><BBB>111</BBB></CCC>
と出力されました。
しかし今は、「111」という文字列のみ取得したいので、他の部分は不要です。
補足情報(言語/FW/ツール等のバージョンなど)
python2.7
-
気になる質問をクリップする
クリップした質問は、後からいつでもマイ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。
クリップを取り消します
-
良い質問の評価を上げる
以下のような質問は評価を上げましょう
- 質問内容が明確
- 自分も答えを知りたい
- 質問者以外のユーザにも役立つ
評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。
質問の評価を上げたことを取り消します
-
評価を下げられる数の上限に達しました
評価を下げることができません
- 1日5回まで評価を下げられます
- 1日に1ユーザに対して2回まで評価を下げられます
質問の評価を下げる
teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。
- プログラミングに関係のない質問
- やってほしいことだけを記載した丸投げの質問
- 問題・課題が含まれていない質問
- 意図的に内容が抹消された質問
- 過去に投稿した質問と同じ内容の質問
- 広告と受け取られるような投稿
評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。
質問の評価を下げたことを取り消します
この機能は開放されていません
評価を下げる条件を満たしてません
質問の評価を下げる機能の利用条件
この機能を利用するためには、以下の事項を行う必要があります。
- 質問回答など一定の行動
-
メールアドレスの認証
メールアドレスの認証
-
質問評価に関するヘルプページの閲覧
質問評価に関するヘルプページの閲覧
checkベストアンサー
0
これでほとんどできていると思います。
pattern2 = re.compile(r'(?<=<AAA>).*?(?<=<BBB>)\d+(?=</BBB>).*?(?=</AAA>)')グループを使って( \d+ の部分に注目 )
pattern2 = re.compile(r'(?<=<AAA>).*?(?<=<BBB>)(\d+)(?=</BBB>).*?(?=</AAA>)')結果を出すときに
print matchOB2.group(1)
とすればとれるでしょう。
グループ／名前付きグループについて調べてみてください。
投稿
-
回答の評価を上げる
以下のような回答は評価を上げましょう
- 正しい回答
- わかりやすい回答
- ためになる回答
評価が高い回答ほどページの上位に表示されます。
-
回答の評価を下げる
下記のような回答は推奨されていません。
- 間違っている回答
- 質問の回答になっていない投稿
- スパムや攻撃的な表現を用いた投稿
評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。
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 88.32%
- 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られる
2016/08/14 22:30
グルーピングを使用するわけですね、これでまた正規表現を使用した検索の幅が広がりそうです。
※group()はgroup(0)を表していて、Matchオブジェクトメソッドのデフォルトの引数だったんですね。何も考えず、おまじないのように「group()」を使用していました…。