正規表現の文字置換についてー２

Question

前提・実現したいこと

正規表現で文字列の置換を試しているのですが、「両端が空白」「先頭で後ろは空白」「先頭が空白で末尾」の3種類で色々な文字列を空白と置換しようとしています。

発生している問題・エラーメッセージ

'i like i ab ib cd an a 20 2b cd-30 30-cd 5 modeling modeling-i, 2020 and 1-modeling modeling j'という意味のない文章から、以下のコードで置換を試みています。
数字の置換、1文字の置換、deleteにある文字列の置換は期待した通りの置換が行えていますが、2文字の置換が上手く行えていません。
ab, cd, 20は置換して消えていますが、ib, anが置換していません。
どうすれば、ib, anも空白と置換できるでしょうか？

該当のソースコード

#入力
delete = 'model|modeling'
text = 'i like i ab ib cd an a 20 2b cd-30 30-cd 5 modeling modeling-i, 2020 and 1-modeling modeling j'

text = re.sub(r'\s[0-9]+\s', ' ', text) #両方空白の数字削除
text = re.sub(r'\s[0-9]+$', ' ', text) #先頭空白、末尾の数字置換
text = re.sub(r'^[0-9]+\s', ' ', text) #先頭、末尾空白の数字置換
    
text = re.sub(r'\s\S\s', ' ', text) #両方空白の1文字置換
text = re.sub(r'\s\S$', ' ', text) #先頭空白、末尾の1文字置換
text = re.sub(r'^\S\s', ' ', text) #先頭、末尾空白の1文字置換

text = re.sub(r'\s\S\S\s', ' ', text) #両方空白の2文字削除
text = re.sub(r'\s\S\S$', ' ', text) #先頭空白、末尾の2文字置換
text = re.sub(r'^\S\S\s', ' ', text) #先頭、末尾空白の2文字置換
    
text = re.sub(r'\s('+delete+')\s', ' ', text) #両方空白の文字列置換
text = re.sub(r'\s('+delete+')$', ' ', text) #先頭空白、末尾の文字列置換
text = re.sub(r'^('+delete+')\s', ' ', text) #先頭、末尾空白の文字列置換

print (text)

#実際の出力
like ib an cd-30 30-cd modeling-i, and 1-modeling 

#期待していた出力
like cd-30 30-cd modeling-i, and 1-modeling 

Comments

[itagagaki]

print (text) を置換のたびに置いて、textの内容の移り変わりを確かめてみては？

[muryayan]

ありがとうございます。
全てのステップを確認してみましたが、ab, cd, 20が置換するタイミングで、ib, anが置換していません。

[itagagaki]

なぜそれが正規表現パターンにマッチしないのか考えてみてください。
（回答にヒントが出ていますね）

Answer 1

カーソルを意識しましょう。

re.sub(r'\s\S\S\s', ' ', " ab cd ")

を実行してみてください。

" ab cd "
-> " ab " + "cd "
-> " " + "cd "

となり、置換後は c の位置から探し始めてしまいます。

これを回避するには先読みなどを使う方法が考えられます。

Comments

[muryayan]

ありがとうございます。カーソルを意識するというのは分かりやすかったです。
ただ、先読みは色々見てみましたが、どうすればこれを解決できるのかが分かりませんでした。
とりあえず、2回繰り返せば、解決できましたが、スマートではありませんね。

#入力
text1 = re.sub(r'\s\S\S\s', ' ', " ab cd ")
text2 = re.sub(r'\s\S\S\s', ' ', text1)
print ("text1: "+text1)
print ("text2: "+text2)

#出力
text1: cd
text2:

[mather]

「正規表現　先読み」などで検索してみましたか？様々な解説が載っていると思います。
わからない、というときはちょっと立ち止まって「自分は一体どこまで理解できていて何がわからないのだろうか」と自問自答することが大事です。

先読みの使い方としては次のようになります。
re.sub(r'\s\S\S(?=\s)', '', " ab cd ")
「先を読むけど、カーソルは移動させない」ということですね。
置換後の文字列が半角スペースではなく空文字になっている部分もポイントです。
なぜ動くのか、" ab cd " 以外にも色々なサンプルを使って考えてみてください。

[muryayan]

ありがとうございました。
先読みは「先を読むけど、カーソルは移動させない」ということなのですね。
先読みについて理解を深めるため、他の解説も読み、色々試してみます。