Pythonにおけるネストした文字クラスの減算の仕組みをわかりやすく解説

ネストした文字クラスの減算とは

文字クラスの減算では、減算される側の文字クラスの中で完全な文字クラス構文を使用できるため、さらにその内部で別のクラスを減算する、いわゆる「ネスト」が可能です。

例えば、[0-9-[0-7-[0-3]]] という正規表現を見てみましょう。まず 0-7 から 0-3 を減算すると [0-9-[4-7]] となり、これは [0-38-9] と同等の意味になります。結果として、このパターンは「012389」のいずれかの1文字にマッチします。

減算は必ず文字クラスの最後の要素に記述する

文字クラスの減算は、常に文字クラスの最後の要素として記述しなければなりません。例えば、[0-9-[4-7]a-d] のような書き方は不正な正規表現となります。これを有効な形に直すには、[0-9a-d-[4-7]] のように書き換えます。減算の対象となるのは、角括弧内の文字クラス全体である点に注意してください。

複数のクラスを続けて減算することはできない

ネストした文字クラスの減算は利用できますが、2つのクラスを順番に続けて減算することはできません。例えば、すべてのUnicode文字（\p{L}）からASCII文字とアラビア文字の両方を除外したい場合には、まずASCII文字とアラビア文字を1つのクラスにまとめ、それをまとめて減算します。

[\p{L}-[\p{IsBasicLatin}\p{IsArabic}]]

このように書くことで、「Unicodeのすべての文字のうち、基本ラテン文字とアラビア文字を除いたもの」にマッチする正規表現になります。複数の範囲を除外したい場面では、減算したいクラス同士を1つの文字クラス内に併記するのがポイントです。