PHP, Python の正規表現で、何故 \\ でバックスラッシュ \ がエスケープ出来るケースがあるのか

バックスラッシュ自身 \ に対する正規表現で、バックスラッシュ 2個(\\) - 結果として埋め込まれるのは \\\ - で OK なケースがある。この説明を実際の仕様ではなく、日曜プログラマが理解可能なレベルで記載したい。¹

当然 '//' (PHP)、r"" (Python) は使わない前提での文章となる。

前知識

• PHP, Python では、正規表現エンジンレベルでのエスケープ(PHP では PCRE)の他に、言語側の文字列としての展開を抑制するエスケープの2段階が必要
• 16進表記の文字列(\x5c) は(正規表現エンジンレベルでは)、エスケープの必要が無い(当たり前)

一部 pcregrep ² を用いて説明しているが、これは言語仕様によるノイズを排除するためのもの。

# STRING => 検索文字列
# REGEXP => 正規表現
% echo STRING | pcregrep 'REGEXP'

解

正規表現エンジンレベル側

正規表現エンジンレベルで文字列 \ にマッチさせるためには、エスケープ \ が必要。³

# PHP の正規表現エンジンである PCRE による実行
# ※ カスタム文字クラス内外
% echo '\\' | pcregrep '\\'
\
% echo '\\' | pcregrep '[\\]'
\

ところで \\ はエスケープ無しの \x5c (Ascii 16進数)と記載可能である。

% echo '\\' | pcregrep '\x5c'
\
% echo '\\' | pcregrep '[\x5c]'
\

言語側

便宜上、言語側レベルでのエスケープシーケンスを ~ で表記する

言語側からは、正規表現エンジンに正しく \\、もしくは、\x5c が渡る様にしたい訳で。
その場合、以下のパターンが考えられる。

1. \\ のそれぞれの展開を抑制させるために、それぞれエスケープする(~\~\)
2. \x5c の展開を抑制するために先頭の \ をエスケープする(~\x5c)
3. 文字列 \x5c の展開を抑制するために先頭の \ を 16進数表記のバックスラッシュでエスケープする(\x5c\x5c)

まあ、こんな感じ。

で、\x5c を \\ に変換し、~ を本来の \ で記載すると、\\\ か \\\\ となる。

簡単だが、証明終り。

後は、言語仕様が、これを許容するかどうか。(後述)

Appendix

実際の所の \\ + \

PHP の場合は、文字クラス内外双方で通る。

% cat test.php
<?php
print(preg_match("/\\\\/", '\\'))   . "\n";
print(preg_match("/\\\/",  '\\'))   . "\n";
print(preg_match("/[\\\\]/", '\\')) . "\n";
print(preg_match("/[\\\]/",  '\\')) . "\n";
% php test.php
1
1
1
1

Python の場合、文字クラス外では通さない。

% cat test.py
import re;

print(bool(re.match('\\\\', "\\")))
#print(bool(re.match('\\\', "\\")))           # <= エラーで実行出来ず
print(bool(re.match('[\\\\]', "\\")))
print(bool(re.match('[\\\]', "\\")))

% python test.py
True
True
True

\x5c で \ をエスケープ

PHP の場合は、文字クラス内外双方で通る。

% cat test.php
<?php

print(preg_match("/\x5c\/",  '\\'))   . "\n";
print(preg_match("/[\x5c\]/",  '\\')) . "\n";
% php test.php
1
1

Python の場合、文字クラス外での \x5c\ は通さない。

% cat test.py
import re;

#print(bool(re.match('\x5c\', "\\")))           # <= エラーで実行出来ず
print(bool(re.match('[\x5c\]', "\\")))
% python test.py
True

うん、沼りそうなので、ここで止め。

1. 過去にあった同様の記事は見当らない、埋もれてる or 失われているので、、、 ↩

2. PCRE の純正 grep。インストールの仕方などは省略 (PHP が入ってる環境なら入っているでしょ、知らんけど) ↩

3. 多くの言語は、このレベルでのみのエスケープで済む ↩