python 정규 표현식 내맘대로 정리

1. (문자열 소비가 있는) 메타 문자 (meta characters) 

원래 그 문자가 가진 뜻이 아닌, 특별한 용도로 사용하는 문자.

 

. ^ $ * + ? { } [ ] \ | ( )

1) 문자 클래스 [ ]

[ ] 사이의 문자들과 매치

ex) [abc] 라면 a, b, c 중 한개의 문자와 매치라는 뜻.

 

하이픈(-) 을 사용하면 범위를 나타냄. [a, b, c] == [a-c], [0-5] 등등

• [a-zA-Z] : 알파벳 모두
• [0-9] : 숫자

주의할 점 : [ ] 안에는 어떤 문자나 메타 문자도 사용 가능하지만, ^은 not의 뜻을 나타내기 때문에 주의해야 한다.

아래는 자주 사용하는 문자 클래스 이다.

 

• \d = [0-9]
• \s = whitespace 문자와 매치.
• \w = 문자+숫자(alphanumeric)  : word 를 표현하며 알파벳 + 숫자 + _ 중의 한 문자임을 의미한다. 

 

소문자를 대문자로 표기하면 반대 뜻을 나타낸다.

 

 

2) Dot (.)

\n을 제외한 모든 문자와 매치됨을 의미한다.

 

ex) a.b = a + all character + b

만약, a[.]b로 표기된다면, 모든 문자가 아니라 정말 a.b다. (점으로서의 뜻)

 

 

3) 반복 (*)

* 앞에 오는 문자가 0부터 무한대로 반복될 수 있다는 의미. 즉, *앞에 문자가 없어도 0번 반복된걸로 받아들여서 match해준다. 

 

 

4) 반복 (+)

얘는 최소 반복 횟수가 1! 그니까 적어도 한번은 나와야 한다.

 

 

5) 반복 ({m, n})

반복 횟수를 제한하고 싶을 때! 즉 반복 횟수를 고정할 수 있다. m, n자리에 반복 횟수를 넣어주면 된다. m이 생략되면 0을, n이 생략된다면 무한대를 뜻한다.

 

{1,} == +

{0,} == *

 

a{2}라고 하면, 반드시 a가 2번 반복 되어야 한다.

 

 

6) 물음표 ?

? == {0, 1}

즉, 있어도 되고 없도 된다를 뜻한다.

 

 

2. re module

python에서 정규 표현식을 지원한다. re = regular expression

import re
p = re.compile('ab*')

re.compile 을 이용해서 정규 표현식을 컴파일 한다. 이 컴파일의 결과로 받는 객체 p를 이용해서 이후의 작업을 수행한다.

 

패턴 객체를 한 번만 사용할 때엔 모듈 단위로 수행할 수도 있다.

m = re.match('[a-z]+', "python")

 

3. 정규식을 이용한 문자열 검색

컴파일 된 패턴 객체를 이용해서 문자열 검색을 수행할 수 있다.

 

1) match()

문자열의 처음부터 정규식과 매치되는지 조사.

정규식과 매치되면 매치된 객체를 돌려줌. 아니면 None.

처음부터 조사하기 때문에 처음부터 아니라면 바로 none....

p = re.compile(정규표현식)
m = p.match( 'string goes here' )
if m:
    print('Match found: ', m.group())
else:
    print('No match')

 

2) search()

문자열 전체를 검색해서 정규식과 매치되는지 조사.

정규식과 매치되면 매치된 객체를 돌려줌. 아니면 None.

전체를 조사하기 때문에 문자열의 첫번째 문자가 매치되지 않더라도 뒤에 문자가 매치된다면 뒤의 문자를 리턴.

 

3) findall() 

정규식과 매치되는 모든 문자열을 리스트로 리턴

 

4) finditer()

정규식과 매치되는 모든 문자열을 반복 가능한 객체로 돌려준다.

 

4. match 객체의 메서드

match, search를 수행한 결과로 돌려준  match객체에 대한 내용이다.

 

group() : 매치된 문자열을 돌려줌

start() : 매치된 문자열의 시작 위치를 돌려줌

end() : 끝 위치를 돌려줌

span() : 시작, 끝에 해당하는 튜플을 돌려줌.

 

5. 컴파일 옵션

1) DOTALL, S

. 메타 문자에 \n도 포함해서 매치할 수 있게 한다.

보통 여러 줄로 이루어진 문자열에서 \n에 상관없이 검색할 때 많이 사용한다.

p = re.compile('a.b', re.DOTALL)
m = p.match('a\nb')

 

2) IGNORECASE, I

대소문자 구별 없이 매치를 수행할 수 있게 한다.

 

3) MULTILINE, M

^, $ 메타 문자를 문자열의 각 줄마다 적용해 준다.

 

4)VERBOSE, X

정규식을 줄 단위로 구분할 수 있게해준다.

이 옵션을 사용하면 문자열에 사용된 whitespace는 컴파일 할 떄 제거된다.

 

6. (문자열 소비가 없는) 메타 문자

1) | (or)

A|B 라면 A또는 B라는 의미를 가진다.

p = re.compile('Crow|Servo')
m = p.match('CrowHello')
# Crow return

 

2) ^

문자열의 맨 처음과 일치함을 의미. 즉, 찾는 문자열이 맨 처음에 있을 때만 리턴하고, 아니면 none을 보인다.

re.MULTILIENE을 사용한다면, 여러줄의 문자열일 경우 각각 줄의 처음을 뜻한다.

찾는 문자의 앞에 사용한다.

 

3) $

^와 반대로 문자열의 끝과 매치함을 의미한다.

찾는 문자 뒤에 사용한다.

 

^과 $을 그냥 문자 그 자체로 사용하고 싶다면 백슬래시 \ 를 사용하면 된다.

 

4) \A

\A는 문자열의 처음과 매치됨을 의미한다. ^과 동일한 의미지만, MULTILINE옵션의 영향을 받지 않는다.

 

5) \Z

문자을의 끝과 매치됨을 의미한다. $과 동일한 의미지만, MULTILINE옵션의 영향을 받지 않는다. 

 

6) \b

단어 구분자(word boundary)이다. 단어는 whitespace에 의해 구분되다.(보통) 사용할 때, 파이썬 리터럴 규칙을 위해 \b가 백스페이스가 아님을 나타내기 위해 앞에 r을 반드시 붙여줘야 한다.

Ex) r'\bclass\b'

 

7) \B

위와 반대로, whitespace로 구분되지 않은 단어만 매치.

 

7. 그루핑 ( )

문자 개개인으로 보는게 아니라, 그룹으로 묶어서 볼 수 있게 해준다!

Ex) (ABC)+

 그룹을 사용하는 보다 큰 이유는 매치된 문자열 중에서 특정 부분의 문자열만 뽑아내기 위해서인 경우가 더 많다.

p = re.compile(r"\w+\s+\d+[-]\d+[-]\d+")
m = p.search("park 010-1234-1234")

이름 + " " + 전화번호 형태의 문자열을 찾는 정규식이다. 이 문자열에서 이름만 뽑아내고 싶다면?

p = re.compile(r"(\w+)\s+\d+[-]\d+[-]\d+")
m = p.search("park 010-1234-1234")
print(m.group(1))  #park

group의 인덱스는 0이 매치된 전체 문자열, 그리고 1부터 첫번째, 2가 두번쨰 그룹 등등을 매치한다.

그룹을 중접해서 쌓을 수도 있다!

 

(\w+)\s+((\d+)[-]\d+[-]\d+)

 

이렇게 그루핑 하게 된다면 1 - 이름, 2 - 전화번호, 3-국번 이 된다.

 

1) 그루핑된 문자열 재참조

(\b\w+)\s+\1
(그룹) + " " + 그룹과 동일한 단어

왜냐하면 \1이 정규식의 그룹 중 첫 번째 그룹을 가리키기 때문이다. 두 번째 그룹을 참조하려면 \2를 사용하면 된다.

 

2) 그루핑된 문자열 이름 붙이기

(?P<그룹명>...)

이 확장 구문을 사용하면, 그룹에 이름을 지어줄 수 있다.

p = re.compile(r"(?P<name>\w+)\s+((\d+)[-]\d+[-]\d+)")
m = p.search("park 010-1234-1234")
print(m.group("name")) #park

이름으로 재참조도 할 수 있다.

(?P=그룹이름)

p = re.compile(r'(?P<word>\b\w+)\s+(?P=word)')
p.search('Paris in the the spring').group() #the the

 

8. 전방 탐색

Lookahead Assertions!

 

1) 긍정형 전방 탐색

(?=...)을 사용

...에 해당되는 정규식과 매치되어야 하며, 조건이 통과되어도 문자열 소비 NO!

(여기서 소비되지 않는다는 뜻은, match를 리턴할 때 포함되지 않는다는 뜻

즉, 검색에는 포함되지만 검색 결과에서는 제외된다!)

 

2) 부정형 전방 탐색

(?!...)을 사용

...에 해당되는 정규식과 매치되지 않아야 하며, 조건이 통과되어도 문자열 소비 NO!

 

9. 문자열 바꾸기

sub 메서드를 사용해서 정규식과 매치되는 부분을 다른 문자로 쉽게 바꿀 수 있다.

sub 메서드의 첫 번째 매개변수는 바꿀 문자열, 두 번쨰 매개변수는 대상 문자열이 된다. 그럼 대상 문자열에서 필터로 걸리는 부분만 바꿀 문자열로 바뀌게 된다!

p = re.compile('(blue|white|red)')
p.sub('colour', 'blue socks and red shoes')
#'colour socks and colour shoes'

딱 한번만 바꾸고 싶다면 세 번째 매개변수로 count값을 넘기면 된다.

p.sub('colour', 'blue socks and red shoes', count=1)
#'colour socks and red shoes'

 

10. 자주 쓰는 표현들

1) 숫자만 : ^[0-9]*$

2) 영문자만 : ^[a-zA-Z]*$

3) 한글만 : ^[가-힣]*$

4) 영어 & 숫자만 : ^[a-zA-Z0-9]*$

5) E-Mail : ^[a-zA-Z0-9]+@[a-zA-Z0-9]+$

6) 휴대폰 : ^01(?:0|1|[6-9]) - (?:\d{3}|\d{4}) - \d{4}$

7) 일반전화 : ^\d{2,3} - \d{3,4} - \d{4}$

8) 주민등록번호 : \d{6} \- [1-4]\d{6}

9) IP 주소 : ([0-9]{1,3}) \. ([0-9]{1,3}) \. ([0-9]{1,3}) \. ([0-9]{1,3})

 

 

---

Reference

https://hamait.tistory.com/342

https://developsd.tistory.com/55

https://wikidocs.net/4308

https://wikidocs.net/4309