noteでPythonの記事を公開しております。今回は失敗したやつを書いて行きたいと思います。Pythonのnoteのマガジンは蓄積していくと探しづらいと思うので失敗したなーというのはlogwに残しておこうかと思います。

テキストの抽出

Pythonでテキストを抽出をしてCSVファイルを作成するというのを公開しました。基本的には正規表現で持ってくるというのになるのですが、for文とかで回せないかなと思っていて色々試してみました。結論失敗だなーとなったのでそれをメモとして残しておきます。

該当テキスト

該当のテキストは以下になります

整理番号：322636940　　日付：令和2年4月15日

番号通知

　　　　　　　　　　　　　　　　　　　　　　　平成　３０年５月 ２日

　　　　　　　　　　　　　　　　　　　　　　　　　　　赤しそ　ねぎ

提出人　　　５４４５０６０１５２０６　

参考人　　　青しそ　大葉　様　

提出日　　　昭和１６年　2月 ２９日　

提出番号　　　　　　　　　　　　　　　　　　通知番号

ＰＹＴ／MQL４８２７／７９３７８４　　　　通知256488

このファイルは適当に作ったサンプルファイルとなります。

Pythonで使うサンプルとなります。

以上

このファイルが間違って届いたら破棄してください。

※このファイルは僕が適当に作った存在しないファイルです。色々とおかしいとこがあるファイルです

このテキストから、必要な箇所を正規表現で持ってきてCSVにするというのをしました。

長いコード

1つずつ取り出すとなるとコードがどうしても長くなってしまいます。そこでできればまとめてとれないかなーと思っていました。例えば 提出人～提出日 までは殆ど似たような感じなのでループでとれるのではないかな？と思っていました。コードの削減にもなるので

試してみた

実際にコードを探していたら、合ったので試してみました

outfile = ""
with open(path, "r") as lines:
  for line in lines:
    line=" ".join(line.split())
    line = line.replace(' ', ':')
    line = line.replace('　', ':')
    line = line.replace('^\n',"")

    if outfile=="":
      m = re.search("提出人",line)
      if m:
        outfile = "sample_extraction_list.txt".format()
        fo = open(outfile, 'a', newline = "")
        print(line)
        #fo.write(line)
        #fo.write("\n")
    else:
      print(re.sub("提出番号","",line))
      fo.write(re.sub("提出番号","",line))
      fo.write("\n")
      m = re.match("提出番号",line)

      if m:
        fo.close()
        outfile=""

参考サイト：python3で特定の範囲の文字を抽出したい

実行するとこんな感じになります

提出人:５４４５０６０１５２０６

参考人:青しそ:大葉:様

提出日:昭和１６年:2月:２９日

問題が多い

ちゃんと取得しております。｢:｣は最終的にCSVにするときに｢,｣に置き換わり物になります。実際は提出人:、参考人:、提出日:のみが｢:｣が正しく他は入ってはいけないのですが入ってしまいました。

空白行がある

空白の行があります。本来は空白の行もなしの状態にしたいのですが消せませんでした。