正規表現の「?=」の効力について

Question

pythonの自然言語処理にて、正規表現の記述方法に困っております。

#試したこと
"[国\n|略名 =イギリス\n|日本語国名 = グレートブリテン及び北アイルランド連合王国\n|"という文字列から、('略名', 'イギリス'), ('日本語国名', 'グレートブリテン')のようなタプルのリストに変換しようとしています。

import re

text = "[国\n|略名  =イギリス\n|日本語国名 = グレートブリテン\n|"

pattern1 = r'^\|(.+?)\s*\=\s*(.+?)(?:(\n\|)|(\n$))'
pattern2 = r'^\|(.+?)\s*\=\s*(.+?)(?:(?=\n\|)|(?=\n$))'

result1 = re.findall(pattern1, text, re.MULTILINE)
print(result1)
result2 = re.findall(pattern2, text, re.MULTILINE)
print(result2)

#出力結果
[('略名', 'イギリス', '\n|', '')]
[('略名', 'イギリス'), ('日本語国名', 'グレートブリテン')]

##質問
pattern1とpattern2は同じ結果になるだろうと想定して書いたのですが、結果に差が出ました。
?:は「この括弧はグループとして記憶しない」という意味のようですので、pattern1では\n\|または\n$にマッチしても記憶しないと思ったのですが、結果が上記のようになってしまった理由が理解できません。
調べると?=は「肯定的先読み」とのことですので、直後に\n\|または\n$がある文字列を返しているのは理解できますが、pattern1とpattern2でこのような差が出てしまうのは何故でしょうか。

##動作環境
APPLE MacBook-Pro python 3.8.5

Answer 1

pattern1では\n|または\n$にマッチしても記憶しないと思ったのですが、

(?:についての理解はその通りですが、その中にある()で括られた部分についてはそれぞれグルーピングがなされます。何十に入れ子にしようと同じで、開き括弧が出てきたらグループです。

調べると?=は「肯定的先読み」とのことですので

この「先読み」というのは、文字でなく、その正規表現に合致する「位置」にマッチする記法だと考えてください。したがって、pattern2の書き方は実質的に意味を成しません。

Comments

[ikegami_m]

回答ありがとうございます。
「pattern2の書き方は実質的に意味を成しません」とはどう理解すればよろしいでしょうか。
?=が意味を成さないのであれば、pattern1とpattern2は同じ結果になると思うのですが。

[KojiDoi]

先読み言明を使う意味がないということです。

[ikegami_m]

ありがとうございます。
「先読み言明を使う意味がない」ということは、?=を使わなくても期待する結果が出るはず、ということでしょうか。
もしそうであれば、pattern1とpattern2で同じ出力結果になると思うのですが。

[KojiDoi]

いや、ですから、言明というのは「位置」にマッチするのです。普通の正規表現とは機能が違います。当然結果は違ってきますよ。
https://abicky.net/2010/05/30/135112/

「使う意味がない」といったのは、「同じ」と言う意味ではなく、ここでは役に立たないということです。