ysko909 / chopper

ドキュメントを整形してCSV出力する。

ファイル中の文字列を正規表現で抜き出し整形する

概要

ある程度特定のフォーマットに則っているドキュメントを整形してCSV出力するスクリプト。

内容

ある程度特定のフォーマットに則っているドキュメントを、手を加えやすくするため正規表現で整形してCSV出力する。正規表現は、入力元の形式に則って記述する。

入力はテキストファイル。

出力は正規表現で処理された結果をカンマ区切りにしてCSV出力する。

なお、入力ファイルにおいて英数字や記号が含まれている場合は、全て半角に編集している（ソースを編集することで全角出力することも可能）。また、スペースは基本的に削除する。

現状は下記のようなドキュメントについて、「カッコで囲われ改行された単語、直後に説明の文章」というフォーマットに準拠した部分のみを抽出したい場合のソースとして実装している。

出力対象じゃない文章1

(関係ないテキスト)

(カテゴリ名1)
カテゴリ名の説明その1。
カテゴリ名の説明その2。

(カテゴリ名2)
カテゴリ名の説明その1。
カテゴリ名の説明その2。
...

出力対象じゃない文章2

(カテゴリ名3)
カテゴリ名の説明その1。

出力対象じゃない文章3
...

これを処理し出力すると下記のような内容になる。

カテゴリ名1,カテゴリ名の説明その1。,カテゴリ名の説明その2。
カテゴリ名2,カテゴリ名の説明その1。,カテゴリ名の説明その2。,...
カテゴリ名3,カテゴリ名の説明その1。

入力がこの例とは異なる形式である場合は、ソースの正規表現（とそれに係る部分）を変更すればいい。

環境

• Python

• jaconv

  全角半角を交互に変換してくれるステキライブラリ。

  $ pip install jaconv

実行

$ python chopper.py hoge.txt

結果はoutput.csvに出力される。