Python正規表現の先読み・後読みをマスターする：肯定形の実践的な使い方

Pythonの正規表現は、テキストデータの解析や加工において非常に強力な役割を果たします。

特に、特定の文字列が含まれているかを確認しつつ、その文字列自体はマッチ結果に含めたくないという高度な操作が必要になる場面があります。

このような複雑なパターンマッチングを実現するのが、「言明（アサーション）」と呼ばれる機能の一種である「先読み」と「後読み」です。

本記事では、Pythonのreモジュールを使用し、肯定の先読みと後読みを実務でどのように活用するかを詳しく紹介します。

これらのテクニックを習得することで、正規表現によるコーディングの幅が大きく広がるでしょう。

正規表現における「言明」の概念を理解する

正規表現の基本的な動作は、指定したパターンに一致する文字を「消費」しながら検索を進めることです。

しかし、「言明」と呼ばれる機能は、条件に合致するかどうかをチェックするだけで、文字を消費しません。

これは「ゼロ幅アサーション」とも呼ばれ、マッチング位置を特定するための境界条件として機能します。

例えば、ある単語の直後に特定の文字があるかを確認したいが、抽出したいのは単語のみである場合に非常に便利です。

Pythonでこの機能を使いこなすことは、ログファイルの解析やスクレイピングデータの整形において、コードを簡潔に保つ鍵となります。

肯定先読み（Positive Lookahead）の基本と使い方

肯定先読みは、「あるパターンの後に、特定のパターンが続いていること」を条件とする機能です。

構文は (?=pattern) と記述します。

この記述が含まれていても、正規表現エンジンはパターンのチェックを行うだけで、マッチした文字列の一部として取り込むことはありません。

肯定先読みの基本構文

具体的な記述方法をコードで見ていきましょう。

import re

# 「Python」の後に「3」が続く場合のみ「Python」にマッチさせる
pattern = r'Python(?=3)'
text = 'Python3 is the latest version. Python2 is old.'

matches = re.findall(pattern, text)
print(matches)

['Python']

この例では、Python3 の Python にはマッチしますが、Python2 の Python にはマッチしません。

重要なのは、マッチした結果の中に「3」が含まれていないという点です。

実践的な活用シーン：パスワードのバリデーション

肯定先読みの真価は、複数の条件を同時に満たす必要があるバリデーション処理で発揮されます。

例えば、「英数字を含み、かつ少なくとも1つ以上の数字を含まなければならない」というパスワードの条件を考えてみましょう。

import re

# 少なくとも1つの数字を含み、全体が8文字以上の英数字であること
password_pattern = r'^(?=.*[0-9])[a-zA-Z0-9]{8,}$'

test_passwords = ['password123', 'onlyletters', '12345678']

for pw in test_passwords:
    if re.match(password_pattern, pw):
        print(f'{pw}: 有効')
    else:
        print(f'{pw}: 無効')

password123: 有効
onlyletters: 無効
12345678: 有効

ここでは、(?=.*[0-9]) が「この位置から先に数字が1つ以上現れること」を事前にチェックしています。

このチェックは「幅ゼロ」で行われるため、その後の [a-zA-Z0-9]{8,} のマッチングに影響を与えず、文字列の先頭から再度スキャンを開始できます。

肯定後読み（Positive Lookbehind）の基本と使い方

肯定後読みは、肯定先読みとは逆に、「あるパターンの前に、特定のパターンが存在すること」を条件とします。

構文は (?<=pattern) と記述します。

特定のプレフィックスが付いた値だけを抽出したい場合に非常に有効な手法です。

肯定後読みの基本構文

例えば、通貨記号「$」の後に続く数値だけを抽出したい場合を考えてみましょう。

import re

# 「$」の直後にある数字のみを取得する
pattern = r'(?<=\$)\d+'
text = 'The price is $100 for the item, and shipping is $20.'

matches = re.findall(pattern, text)
print(matches)

['100', '20']

実行結果を見ると、「$」記号自体は抽出結果に含まれていないことがわかります。

このように、特定のマーカーを基準にして、その後のデータだけを取り出したい場合に後読みは最適です。

Pythonのreモジュールにおける後読みの制限

Pythonの標準ライブラリである re モジュールには、後読みに関して重要な制約があります。

それは、後読み内のパターンは「固定長」でなければならないという点です。

例えば、(?<=apple|pear) のように同じ長さの選択肢は許容されますが、(?<=apple|banana) のように長さが異なるパターンはエラーになります。

import re

try:
    # 長さが異なるパターンの後読み（エラーになる例）
    pattern = r'(?<=Mr\.|Mrs\.)\w+'
    re.findall(pattern, 'Mr.Smith and Mrs.Jones')
except re.error as e:
    print(f'Error: {e}')

Error: look-behind requires fixed-width pattern

このような制限を回避するには、パターンの長さを揃えるか、サードパーティ製の regex ライブラリを使用することを検討してください。

先読みと後読みを組み合わせて複雑な抽出を行う

先読みと後読みを同時に使用することで、特定の文字列に挟まれた部分だけを抽出するパターンを構築できます。

これは、HTMLタグのような構造を持つテキストや、特定のフォーマットが定義されたログデータから、必要な値だけを抜き出す際に威力を発揮します。

HTML風タグ内のテキスト抽出例

以下のコードは、<span> タグに囲まれた内容だけを、タグ自体を含まずに抽出する例です。

import re

# 前に「<span>」があり、後ろに「</span>」がある文字列にマッチ
pattern = r'(?<=<span>).*?(?=</span>)'
text = '<div>Hello</div><span>Target Text</span><p>Footer</p>'

match = re.search(pattern, text)
if match:
    print(f'抽出結果: {match.group()}')

抽出結果: Target Text

前後の条件を言明（アサーション）にすることで、余計なトリミング処理を記述せずに済みます。

コードが読みやすくなり、意図が明確になるというメリットもあります。

肯定言明を使用する際のパフォーマンスと注意点

便利な肯定先読み・後読みですが、多用しすぎると正規表現エンジンのパフォーマンスに影響を与える可能性があります。

特に、非常に長い文字列に対して複雑な言明を繰り返すと、バックトラッキング（探索のやり直し）が増大し、処理時間が急増することがあります。

また、先読みの中でさらに別の先読みを行う「ネスト」した構造は、デバッグを困難にするため避けるのが賢明です。

正規表現の可読性を高めるためには、re.VERBOSE フラグを使用して、パターン内にコメントを記述することを推奨します。

import re

pattern = re.compile(r'''
    (?<=\$)   # 前にドル記号があることを確認
    \d+       # 数字の連続にマッチ
    (?=\sUSD) # 後ろに「 USD」が続くことを確認
''', re.VERBOSE)

text = 'The balance is $500 USD.'
print(pattern.findall(text))

['500']

このように記述することで、後からコードを見直した際にも、どのような条件で言明を行っているかが一目で理解できます。

まとめ

Pythonの正規表現における肯定先読みと肯定後読みは、文字列の一部を条件として利用しながら、マッチ結果には含めないという高度な制御を可能にします。

肯定先読み (?=...) は「その後に続くパターン」をチェックし、バリデーションなどで活躍します。

肯定後読み (?<=...) は「その前にあったパターン」をチェックし、特定のラベルに続くデータの抽出に最適です。

ただし、後読みの固定長制限など、Python特有の仕様には注意が必要です。

これらのテクニックをマスターすれば、複雑な文字列操作を驚くほどシンプルに実装できるようになります。

日々の開発の中で、パターンの前後の文脈が重要な場面に出会ったら、ぜひこれらの肯定言明を活用してみてください。