Python正規表現の繰り返し文字クラスとは？基本の仕組みとバックリファレンスとの違いを解説

繰り返し文字クラスとは

Pythonの正規表現において、文字クラス（character class）に「?」「*」「+」といった量指定子（繰り返し演算子）を組み合わせたものを、繰り返し文字クラスと呼びます。

ここで重要なのは、これらの演算子で繰り返しを行うと、マッチした1文字だけではなく、文字クラス全体が繰り返されるという点です。

文字クラス全体が繰り返される例

たとえば、正規表現 [0-9]+ は「0〜9のいずれかの数字」の1回以上の繰り返しを意味します。そのため、「333」だけでなく「579」のような異なる数字の並びにもマッチします。

import re

print(re.findall(r'[0-9]+', '579'))  # ['579']
print(re.findall(r'[0-9]+', '333'))  # ['333']

マッチした文字そのものを繰り返したい場合：バックリファレンス

「同じ文字が連続する場合だけ」にマッチさせたい場合は、文字クラスの繰り返しではなくバックリファレンス（後方参照）を使用する必要があります。

正規表現 ([0-9])\1+ は、最初にマッチした数字と同じ数字が続くパターンにのみマッチします。つまり「333」にはマッチしますが、「579」にはマッチしません。

import re

m = re.search(r'([0-9])\1+', '922226')
print(m.group())  # '2222'

この正規表現を文字列「922226」に適用すると、文字列の中央にある「2222」にマッチします。

マッチ位置を制御したい場合：先読み・後読み

上記のように文字列の途中にまでマッチしてしまうのを避けたい場合は、先読み（lookahead）や後読み（lookbehind）といったゼロ幅アサーションを活用します。これらを組み合わせることで、マッチする位置をより細かく制御できるようになります。