[Python]正規表現でキーワードから改行までの間の文字を抽出する方法

Python で文章の中から正規表現を使って特定のキーワードから改行までの文字を簡単に抽出できるようになります。

Web ページからのスクレイピングなら Beautiful SOAP などを使って CSS selector を使いながら特定の文字を探すことができます。

しかし、メールの本文や一定のルールはあるけど、要素やクラスが存在せず、Beautiful SOAPが使いづらい時は正規表現が有効です。

Pythonで正規表現を使ってみよう！

試しにテキストを作成して抽出してみましょう。今回はこんなテキストを用意してみました。

text = '''
名前:山田太郎
メールアドレス: test@gmail.com
ID:123
'''

この中から名前、アドレス、IDを取得してみましょう。これだけならsplit()やfor、if を使って取り出せなくはないですが、結構複雑な処理になりそうです。複雑になるとバグが入る可能性も否めません。

正規表現を使って特定のキーワードから始まる文字を抽出する関数を作ってみました。

Python


import re

def find_text_start_from(keyword,text):
   search = keyword +".+"
   result = re.search(search, text)
   if result == None:
       return None
   else:
       return result.group(0).replace(keyword,"").strip()

関数の解説

この関数はキーワードとテキストを引数にとって「キーワードから改行まで」を取得します。

上の文章で言うと名前:山田太郎の「山田太郎」だけが抽出されます。

search = keyword +".+" この部分が正規表現の元となる部分です。
keyword から始まる.任意の文字 +1回以上繰り返し（改行まで）を search にまとめています。

取得したテキストにはキーワードの文字が含まれるのでその文字をreplaceで置き換えます。
余計な空白が文字列の前後に入っているとエラーの原因になるので.strip()で取り除きます。
result.group(0).replace(keyword,"").strip()

↓ここで
search = keyword +".+"

keywordを上書きせずにsearchという変数を使ったのはそのためです。

ifで条件分岐をして、ヒットしなかった時はNoneを返します。
return None

実践

この関数を使って名前、アドレス、IDを抽出します。コード全体はこんな感じです。実行してみましょう。

Python


import re

def find_text_start_from(keyword,text):
   search = keyword +".+"
   result = re.search(search, text)
   if result == None:
       return None
   else:
       return result.group(0).replace(keyword,"")


if __name__ == '__main__':
   text =  '''
               名前:山田太郎
               メールアドレス: test@gmail.com
               ID:123
           '''
   name = find_text_start_from("名前:",text)
   email = find_text_start_from("メールアドレス:",text)
   id = find_text_start_from("ID:",text)

   print(name)
   print(email)
   print(id)

実行結果はこの通り。

Python