Pythonの正規表現における後方参照の仕組みと使い方を徹底解説

グループ化とは

正規表現では、パターンの一部を丸括弧（ ）で囲むことで「グループ」として扱うことができます。グループ化を行うと、単一の文字だけでなく、グループ全体に対して量指定子などの演算子を適用できるようになります。

キャプチャグループと後方参照

丸括弧には、部分式をグループ化する役割に加えて、キャプチャグループを作成する働きもあります。グループ化した部分が文字列にマッチすると、そのマッチした部分は後方参照として記憶されます。後方参照を利用することで、正規表現の中で同じパターンを再利用することが可能になります。

括弧で囲まれた部分式は、\1 や $1 のように番号で参照できます。\1 は1番目のグループ、\2 は2番目のグループに対応します。

繰り返される単語の検出例

たとえば、正規表現 \b(\w+)\b\s+\1\b は、「tahiti tahiti」のように同じ単語が連続して出現する箇所にマッチします。これは、(\w+) の括弧が単語をグループ1としてキャプチャし、後方参照 \1 がそのキャプチャされた内容と同じ文字列に再度マッチするためです。

サンプルコード

import re

s = 'Tahiti Tahiti Atoll'
result = re.findall(r'\b(\w+)\b\s+\1\b', s)
print(result)

実行結果

['Tahiti']

この例では、文字列「Tahiti Tahiti Atoll」の中から、連続して繰り返されている単語「Tahiti」が検出され、リストとして出力されています。

補足：名前付きグループを使った後方参照

Pythonでは、(?P<name>...) の形式で名前付きグループを定義し、(?P=name) で参照することもできます。番号ではなく名前で参照できるため、複雑なパターンでも可読性が向上します。

import re

pattern = r'(?P<word>\b\w+\b)\s+(?P=word)'
result = re.findall(pattern, 'Tahiti Tahiti Atoll')
print(result)  # ['Tahiti']

後方参照は、重複データの検出やテキストの置換処理など、実務でも頻繁に活用される強力な機能です。ぜひ実際のコードで試してみてください。