はじめに
個人的な理解のためのアウトプット記事になりますので、説明不足やもっと良い理解の仕方があるかもしれませんが、ご理解いただけますと幸いです。
読者対象
正規表現の後読み先読みがややこしいと感じている方
後読み先読みってそもそも何ぞ？と感じている方
動作環境
本記事の正規表現は以下の環境で動作確認しています。
・Ruby
今回扱う4つの正規表現
-
肯定の後読み
(?<=abc) -
肯定の先読み
(?=abc) -
否定の後読み
(?<!abc) -
肯定の先読み
(?!abc)
※abcは任意の文字列
※abcの部分に\dなど正規表現を入れることも可能ですが、今回は触れません。
この４つの理解が個人的にややこしかったので、記事にしました。
それぞれ何を表すか
上の４つの書き方はすべて「位置」を表します。
肯定の後読み
「肯定の後読み」を例に取りますと、
(?<=abc)は「"abc"という文字列と一致する箇所の直後」を表しています。
ピンときたでしょうか？
わたしも初めは何のことかわかりませんでした。
Rubularという正規表現を試すことができるWEBアプリで試してみます。
https://rubular.com/
以下の例文を使います。
三国志には正史と演技があります
魏、呉、蜀の三国が出てきます
劉備は三国志の登場人物です。
Your regular expression:というところに(?<=三国志)を入れてみます。
すると以下のように
三国志という文字列の直後に水色の縦棒が来ています。
これは「単語の境界」を表します。
（アンカー と呼ぶようです。以後アンカーとします。）
これで位置がマッチしました。
指定した単語の直後にアンカーがきていますね。
その他先程ご紹介した３つの正規表現も同じく単語に合わせて位置を表します。
肯定の先読み
(?=abc)で「"abc"という文字列に一致する箇所の直前」を表します。
正規表現は(?<!三国志)を使って試してみます。
Rubularで確認すると、
お察しの通り指定した単語の前にアンカーが来ます。
否定の後読み
(?<!abc)は「"abc"と一致しない文字列の直後」を表します。
例文を少し変えて、3行目の三国志の「志」を「試」に変えてやってみます。
三国志には正史と演技があります
魏、呉、蜀の三国が出てきます
劉備は三国試の登場人物です
正規表現は(?<!三国志)を使って試してみます。
「三国志」の文字と一致しない文字列の直後が複数個マッチしています。
否定の先読み
(?!abc)は「"abc"と一致しない文字列の直前」を表します。
例文は先程同様で、正規表現は(?!三国志)を使って試してみます。
「三国志」の文字と一致しない文字列の直前が複数個マッチしています。
それぞれの読み方の特徴
４つのご紹介した正規表現を以下に並べます
①肯定の後読み (?<=abc)
②肯定の先読み (?=abc)
③否定の後読み (?<!abc)
④否定の先読み (?!abc)
それぞれ似た文ですが、
若干の違いがあります。
肯定か否定かの見分け方
もうお分かりかもしれませんが、以下のように見分けることができます。
肯定なら=を入れる。否定なら!を入れる。
後読みの場合は<を入れる。先読みなら無し。
このような要領で見分けると理解しやすいと思います。