正規表現で期待した箇所がキャッチできない

Question

下記の正規表現を試したところ期待していた箇所をキャッチすることができませんでした。

ソースコード

import re
pattern = r'[^r]*r([^r]*)r[^r]*'
sentence = 'realmember1andrealmember2'
print(re.findall(pattern, sentence))

実行結果:

['ealmembe', 'ealmembe']

わからないところ

今回 '1and' も出力されると考えていたのですが、なぜキャッチできなかったのでしょうか？

Answer 1

findallは検索を一度だけ行います。重なる領域については検出されません。
例えば、re.findall(r'[ab]{2}', r'abab') は ['ab', 'ab'] を返します。

仮に 'r[^r]*r' で探索したとしても、以下のとおり重なりは解消しません。

          ______
 __________    __________
'realmember1andrealmember2'

文字列を『消費しない』で探索したいなら、後読み・先読みを使います。

>>> re.findall(r'(?<=r)([^r]*)(?=r)', sentence)
['ealmembe', '1and', 'ealmembe']

別解

>>> sentence.split('r')[1:-1]
['ealmembe', '1and', 'ealmembe']

Comments

[oreo001]

> findallは検索を一度だけ行います。重なる領域については検出されません
目からウロコが落ちました。そういった仕様だったのですね！
教えてくださりありがとうございます。

後読み・先読みの概念も知らなかったので大変参考になります。

また別解もありがとうございます！たしかにrで仕切られた箇所を取り出したかったらこの方法が楽ですね。

Answer 2

1and は１回目のマッチでパターンの最後の [^r]* に含まれてしまっていますね。

Comments

[oreo001]

なるほど、ここで消費してしまうと次のパターンで含まれなくなってしまうのですね！