正規表現について(肯定先読み・肯定戻り読み)

Question

正規表現について、、、

以下の数式において、xの係数(14)を正規表現で抜き出したいです。
「y=5x**2+14x+17」

最初は、肯定戻り読み・否定戻り読みを以下のように設定しました。(以下は正しくないです/失敗)
(?<=[=|+|-])\d*(?!x*)

これだと動作しません、、、
数値判定の桁を指定せずに(\dの後のを削除して)
(?<=[=|+|-])\d(?!x)

だと動くのですが桁数が正しく設定されないため不可です。

最終的に、
(?<=[=|+|-])\d+(?!x*)
で動いたのですが、
+ではokで、*では正しく動かない理由を知りたいです。

*は最長マッチングでokだと自分的には思っていたんですけど、、、

Comments

[Zuishin]

(?<=[=|+|-]) → '=', '|', '+', '-' のいずれかの後の位置にマッチ
(?!x\*) → x* の前でない位置にマッチ
\d* → 0 文字以上の数字にマッチ

つまり、'=', '|', '+', '-' のいずれかの後で、x* の前でない位置にある 0 文字以上の数字にマッチします。
この中で一番前にあるのは、y= の後の 0 文字の数字です。(5 は x* の前にあるためマッチしません)

\d* を \d+ にした場合は確かに 14 にマッチしますが、正規表現の意味を考えると偶然に近いものに思えます。たとえば 5 のところが 10 であれば 14 にはマッチしません。

Answer 1

「正規表現チェッカー」で検索して出てくるページで試せば、理由が理解できるのではないでしょうか。

最初の正規表現だと、「y=」と「5x**2+14x+17」の間の長さ0の文字列もマッチしてしまいます。

(?!x*)という正規表現ですと、次がxでなければ何でもマッチしてしまいます。
(?=x(?!*))のように、次がxであることを確認したうえで、
さらにその次が*でないことを確認すべきでしょう。

Answer 2

何が起こっているかは、perlで試してみると分かります。

# test.pl

$a = 'y=5x**2+14x+17';
print qq{target: "$a"\n};

$a=~/(?<=[=+-])\d+(?!x*)/
  and print qq{hit: "$&" after "$`" before "$'"\n};
# $&, $` $'は、正規表現にマッチした文字列、その前の文字列、その後ろの文字列がそれぞれ入る特殊変数

$a=~/(?<=[=+-])\d*(?!x*)/
  and print qq{hit: "$&" after "$`" before "$'"\n};

$ perl test.pl
target: "y=5x**2+14x+17"
hit: "14" after "y=5x**2+" before "x+17"
hit: "" after "y=" before "5x**2+14x+17"

うまく行かなかった方の正規表現の\d*は、ゼロ文字以上の数字にヒットするので、空文字列にヒットしてしまっています。

質問とは関係ないことですが、正規表現の[]の中に|を書く必要はありません。