pythonでのre.subでの文字置換がうまくいかないことがある

前提・実現したいこと

re.subで正規表現でマッチさせて文字置換をするコードを書きました。

line1 = "aaa"
line2 = "bbb ccc=ddd,eee"

こういったときに、line2のddd部分を、aaaに変換するコードです。
上記の場合、期待通りに、「bbb ccc=ddd,eee」となりました
しかし、line1が"21aaa"など数値から始まるとき、
「bbbQaaa,eee」となりました。
期待としては、数値から始まっていても、
「bbb ccc=21aaa,eee」となってほしいです。

発生している問題・エラーメッセージ

bbbQaaa,eee

該当のソースコード

python
1line1 = "21aaa"
2line2 = "bbb ccc=ddd,eee"
3line3 = re.sub(r"((^ccc|[ ,\t]ccc)[ \t]*=)[ \t]*.*?([, \n\t])", r"\1" + line1 + r"\3", line2, flags=re.IGNORECASE)
4print(line3)

試したこと

数値を21から数を増やして変えて見たところ、アルファベット順に変化していきました。(文字コードか何か？)
正規表現の＝が怪しいのかと思って調べてみたのですが、原因がわかりませんでした。

補足情報（FW/ツールのバージョンなど）

reのversion 2.2.1

行動規範の内容に同意します

回答2件

すごく複雑な正規表現を記述しているようですが、まずシンプルに始めてみてはどうでしょうか。

python
1line1 = "21aaa"
2line2 = "bbb ccc=ddd,eee"
3line3 = re.sub("ddd", line1, line2)
4print(line3) #=> bbb ccc=21aaa,eee

質問にあった現象の話ですが、

python
1r"\1" + line1 + r"\3"
2r"\1" + "21aaa" + r"\3"
3'\121aaa\3'

と評価されます。なにかおかしなことが起こっているのがわかりますか？

投稿2021/09/13 05:12

mather

総合スコア6759

pariparigorilla

2021/09/13 05:22

回答ありがとうございます。 line2の書式が一定のルールで決まっているので、上記のようになっており、そのまま添付してしまいましたが、原因解析時はおっしゃる通り、シンプルなものでやるべきですね。勉強になりました。ありがとうございます。

行動規範の内容に同意します

ベストアンサー

原因は、置換後のr"\1" + line1 + r"\3"の先頭部分がr"\121"となるためです。
r"\g<1>" + line1 + r"\3"とすることで回避可能かと思います。

公式ドキュメントより引用

\g<number>は対応するグループ番号を使います。よって\g<2>は\2と等価ですが、\g<2>0のような置換においても曖昧になりません。\20は、グループ20への参照として解釈され、グループ2への参照にリテラル文字'0'が続いたものとしては解釈されません。

投稿2021/09/13 05:08