Pythonの文字クラス操作とは？正規表現での積集合・差集合・和集合を解説

文字クラス操作とは

一部の正規表現エンジンでは、文字クラスの中で高度な演算を行うことができます。これにより、単純な文字の並びや範囲指定にとどまらず、より柔軟なパターンマッチングが可能になります。主な操作は以下の3つです。

• 差集合（減算）：あるクラスには属するが、別のクラスには属さない文字にマッチさせる
• 積集合（交差）：複数のクラスのどちらにも属する文字にマッチさせる
• 和集合（結合）：複数のクラスのいずれかに属する文字にマッチさせる

積集合（AND演算）

AND演算子 && を使うと、複数のクラスの積集合を指定できます。[…&&[…]] という形式で記述し、この場合マッチする文字は両方のサブクラスに属している必要があります。

例えば、[\S&&[\D]] は「空白文字ではない」かつ「数字でもない」という2つの条件を同時に満たす1文字にマッチします。

差集合（減算）

差集合の具体例として、[a-z--[aeiou]] というパターンは、英語の小文字の子音にマッチします。これは「a〜z の範囲から母音（a、e、i、o、u）を除外する」という意味です。

さらに、除外する側のクラスに範囲指定が含まれていない場合は、内側の角括弧を省略することもできます。したがって、上記のパターンは [a-z--aeiou] のように書くことも可能です。

和集合（OR演算）

OR演算子 || を使うと、複数の文字クラスの和集合を作成できます。例えば、[0||[^\W\d]] は「0」または「数字以外の単語構成文字」のいずれかにマッチします。

注意点：対応する正規表現エンジン

なお、これらの文字クラス演算子（&&、--、||）は、Javaの正規表現エンジンやPythonのサードパーティ製 regex モジュールなどでサポートされている機能です。Python標準ライブラリの re モジュールでは利用できないため、注意が必要です。Python環境で文字クラス演算を使用したい場合は、pip install regex で regex モジュールを導入することをおすすめします。