正規表現、否定先読みのグループ内の文字列とグループ外の文字列の違い

Question

正規表現である文字が含まれていないことを判定するための正規表現をjavaで

(?![abc])
という正規表現にdeという文字を追加しようとして、誤って
(?![abc]de)としてしまいました。

本来は、
(?![abcde])とするべきところを
(?![abc]de)としてしまったのですが、
動作検証しても挙動が同じに見えたので、そのままでも良いかと思いました。

否定先読みのおいて、カッコ内の文字列は、文字の羅列であって、角カッコで囲むことがナンセンスなのかと
考えています。
この考え方は、正しいでしょうか。

Answer 1

否定先読みのおいて、カッコ内の文字列は、文字の羅列であって

いいえ。

System.out.println("11111abcd" .replaceAll("1(?![abcde])", "-"));
System.out.println("11111abcd" .replaceAll("1(?!abcde)",   "-"));
System.out.println("11111abcde".replaceAll("1(?!abcde)",   "-"));

標準出力

----1abcd
-----abcd
----1abcde

動作検証しても挙動が同じに見えた

たまたまそういう文字列だったんだと思います。
次のように差がでます。

System.out.println("111d1".replaceAll("1(?![abc]de)", "-"));
System.out.println("111d1".replaceAll("1(?![abcde])", "-"));

標準出力

---d-
--1d-

Comments

[toroleaman]

回答、ありがとうございます。確かに結果が変わりました。
否定先読みという正規表現があることを知らなかったので、勉強になりました。

Answer 2

たまたまあなたの実験では差が検出されなかっただけで、その結論は間違っています。

言明は、指定したサブパターンに合致する「位置」（文字ではなく）にマッチする正規表現となります。

[abcde]と[abc]deでは当然意味が違います。(?![abcde])は「aかbかcかdかeのどれでもない文字が現れた位置」にマッチします。(?![abc]de)は、「aかbかcのどれかの文字の後にdとeが続」かない文字列の直前の位置にマッチします。

以下はperlのデバッグで実験してみた例です。

DB<59> "xadezadexxx"=~/.(?![abcde])/ and print $&
e
DB<60> "xadezadexxx"=~/.(?![abc]de)/ and print $&
a

対象文字列"abezadexxx"に対して、最初の正規表現では、最初にサブパターンに合致していないのはzなのでその直前の一文字であるeが返されました。

2番目は2文字目から3文字がサブパターンに合致しています。そこで「このサブパターンに合致しない文字列が後に続く最初の文字」である二文字目のaが返されました。

Comments

[toroleaman]

なるほど、データパターンによって、挙動が変わりました。
とても助かりました。ありがとうございました。