PYTHONの正規表現による置換について

Question

###前提・実現したいこと
ここに質問したいことを詳細に書いてください

PYTHON言語、初心者です。＞＜

特定文字列(\t)で始まる行について、
空白で囲まれているか行末の文字列（単語）をすべて{...}でくくりたいと考えているのですが、
正規表現でどう表現したらよいかわからず、こちらに質問させていただきます。

(例)やりたいこと
\t aaa bbb cccc dd eeeeee
↓
\t {aaa} {bbb} {cccc} {dd} {eeeeee}

###発生している問題・エラーメッセージ

正規表現を使って、空白の置換を試みたのですが、
置換対象以外の空白も一緒に置換されてしまい、どう表現したらよいか苦戦しております。。

(例)
\t aaa bbb    cccc  dd  eeeeee
↓
正）\t {aaa} {bbb}    {cccc}  {dd}  {eeeeee}
誤）\t {aaa} {bbb} {cccc} {dd} {eeeeee}

###該当のソースコード

# -*- coding: utf-8 -*-
import codecs
import re

# 対象の文字列
f_in = codecs.open('Sample_in.txt','r','utf-8') 
f_out = codecs.open('Sample_out.txt','w','utf-8')
lines = f_in.readlines()
lines2 = []
for line in lines:
    if line.startswith('\\t'):

        #\tで始まる行の空白で囲まれているか行末の文字列（単語）をすべて{...}でくくりたい。       
        
        #①行末(改行)前に"}"を付与
        line = line.replace("\n", "}\n", 1)
        
        #②空白始まり文字列を" {"に置換
        line = re.sub(r'\s+',r' {',line)
        
        #③残りの空白を"} "に置換
        line = re.sub(r'\s',r'} ',line)
        
        #④誤変換した先頭"}"の削除
        line = line.replace("} {", " {", 1)
        
        #⑤誤変換した最終文字列に改行を付与
        line = line.replace("}} {", "}\n", 1)        
        
    lines2.append(line)
else:
    f_out.write(''.join(lines2))
    f_in.close()

###試したこと
もともとの正規表現は以下を考えておりましたが、正しく変換されず、現在のソースとなっております。
line = re.sub(r'!^| +([ +|$])',r' {\1}\2',line)

###補足情報(言語/FW/ツール等のバージョンなど)
PYTHONのバージョンは、3.6で試しています。

Answer 1

正規表現の部分文字列指定を利用すればシンプルにいけるはず。
問題文の中で書かれている置換がうまくいかないのは、ほおっておけばよいスペースを妙に拾おうしていることと、[]の書き方が間違っていて、行頭とかスペースとかにマッチしないパターンになっているからでしょう。

pythonのプログラムは生まれて初めて書いてみますが、ubuntu/python3.4で試してみた限りでは下のコードでうまくできているように見えます。

# -*- coding: utf-8 -*-
import codecs
import re

# 対象の文字列
f_in = codecs.open('Sample_in.txt','r','utf-8') 
f_out = codecs.open('Sample_out.txt','w','utf-8')
lines = f_in.readlines()
lines2 = []
for line in lines:
    if line.startswith('\t'):

        #\tで始まる行の空白で囲まれているか行末の文字列（単語）をすべて{...}でくくりたい。       
        line = re.sub('(\S+)', '{\\1}', line)

    lines2.append(line)

f_out.write(''.join(lines2))
f_in.close()

Answer 2

正規表現とPandas.Seriesを使って、スマートではないですが、できたようなので、検討願います。

import re
import pandas as pd
lines = ['\t aaa bbb    cccc  dd  eeeeee', '\tAAA   BBB C  DD   EEE']

# 正規表現を用いて、空白とそれ以外に分離
st = re.compile('\S+')
sp = re.compile('\s+')
for line in lines:
    if line.startswith('\t'): # \\tは誤り
        line_st = st.findall(line) # ['aaa', 'bbb', 'cccc', 'dd', 'eeeeee']
        line_st = ['{' + str + '}' for str in line_st] # {}追加
        line_sp = sp.findall(line) # ['\t ', ' ', '    ', '  ', '  ']
        # line_st：文字、line_sp : 空白 それぞれをシリーズにして、インデックスをいじって結合
        da = pd.Series(line_sp)
        da.index = da.index * 2
        db = pd.Series(line_st)
        db.index = db.index * 2 + 1
        c = list(da.append(db).sort_index())
        s = ''.join(c)
        print(s)
    else:
        print('Error:',line) # デバック用なので修正願います

Answer 3

• 正規表現で頑張る、という感じではなくなってしまいましたが、、、一応できました。
• 1行を配列に変換し、前の要素がタブや空白だったら{を追加。
• 後ろの要素が空白や改行だったら}を追加。
• 最後に配列を文字列に戻して出来上がり。

import re
import codecs

pattern = r"^\t+"
f_in = codecs.open('sample_in.txt', 'r', 'utf-8')
f_out = codecs.open('sample_out.txt', 'w', 'utf-8')
lines = f_in.readlines()
lines2 = []
for line in lines:
  if re.match(pattern, line):
    lineElemList = list(line)
    for index, elem in enumerate(lineElemList):

      if lineElemList[index - 1] == '\t' and isinstance(elem, str):
        new_elem = "{" + elem
        lineElemList[index] = new_elem
      elif lineElemList[index - 1] == ' ' and isinstance(elem, str) and elem != ' ':
        new_elem = "{" + elem
        lineElemList[index] = new_elem
      elif  index <= len(lineElemList) - 2 and lineElemList[index + 1] == ' ' and isinstance(elem, str) and elem != ' ':
        new_elem = elem + "}"
        lineElemList[index] = new_elem
      elif index == len(lineElemList) - 2 and isinstance(elem, str):
        new_elem = elem + "}"
        lineElemList[index] = new_elem

    newstring = ''.join(lineElemList)
    lines2.append(newstring)

f_out.write(''.join(lines2))
f_in.close()

Answer 4

正規表現でうまく表現できなかったので、状態遷移でコーディングしてみました。
空白 or 文字が出現したタイミングで状態を切り替えて処理しています。

# 空白はそのまま、文字は{}で囲んで出力

# 'word' -> '{word}'
def quote( word):
    if len(word):
        word = '{' + word + '}'
    return word

# 'a b' -> '{a} {b}'
def quoteWords(line):
    isSpace = True
    word, line_new = '',''
    for s in line:
        if s == ' ':
            if not isSpace:
                line_new += quote(word)
                word = ''
            line_new += s
            isSpace = True
        else:
            word += s
            isSpace = False
    line_new += quote(word)     # 空白以外で終わった場合(積み残し)
    return line_new

lines = ['','a\t','\t','\ta','\ ','\ta ','\t a','\ta b','\t aaa bbb    cccc  dd  eeeeee']
for line in lines:
    if not line.startswith('\t'):
        continue
    line = line[1:] # 先頭\t除去
    line_new = quoteWords(line)

    print('line[%s]'%line)
    print('line_new[%s]'%line_new)

結果例

line[]
line_new[]
line[a]
line_new[{a}]
line[a ]
line_new[{a} ]
line[ a]
line_new[ {a}]
line[a b]
line_new[{a} {b}]
line[ aaa bbb    cccc  dd  eeeeee]
line_new[ {aaa} {bbb}    {cccc}  {dd}  {eeeeee}]