Help us understand the problem. What is going on with this article?

言語処理100本ノックやってみる 21

21. カテゴリ名を含む行を抽出

記事中でカテゴリ名を宣言している行を抽出せよ.

import gzip
import json
import re
fname = 'jawiki-country.json.gz'


def extract_UK():
    '''イギリスに関する記事本文を取得

    戻り値:
    イギリスの記事本文
    '''

    with gzip.open(fname, 'rt') as data_file:
        for line in data_file:
            data_json = json.loads(line)
            if data_json['title'] == 'イギリス':
                return data_json['text']

    raise ValueError('イギリスの記事が見つからない')


# 正規表現のコンパイル
pattern = re.compile(r'''^\[\[Category:.*\]\].*$''', re.MULTILINE + re.VERBOSE)


# 抽出
result = pattern.findall(extract_UK())

# 結果表示
for line in result:
    print(line)

raiseとは?

自作した関数などで例外を発生させたい場合には raise を使う。
https://uxmilk.jp/39845

正規表現とは?

いくつかの文字列を一つの形式で表現するための表現方法のこと。
・~から始まる
・~で終わる
・~が有る
・~が無い
みたいな感じで探す条件を曖昧な感じで指定できる

findallとは?

正規表現で一致した文字列のリストを返すサンプル。
正規表現でキャプチャした場合、キャプチャしたものだけを全て返す

re.MULTILINEとは?

re.MULTILINEは、検索対象のデータが複数行のために指定しています。これをつけないと^や$が検索対象の先頭や末尾にしかマッチせず、途中の改行が相手にされなくなってしまいます。

re.VERBOSEとは?

re.VERBOSEは、正規表現の途中にコメントを入れるために指定しています。これを指定すると、#でコメントが入れられます。ただし、空白や#を指定する際はバックスラッシュでのエスケープが必要になります。

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away