1. 정규표현식이란

Regular Expression (또는 Regex)

특정한 규칙을 가진 문자열의 집합을 표현하는 데 사용하는 형식 언어. (Wikipedia)

2. 정규표현식의 구조

/PATTERN/FLAG

  • / :
    • 정규표현식임을 알리는 기호.
    • 정규표현식의 시작과 끝에 위치함.
  • PATTERN
    • 정규표현식으로 찾고자하는 문자열의 패턴
  • FLAG
    • 옵션

3. 정규표현식, 표현의 종류

3.1. 그룹과 범위 group and ranges

  • |
    • OR, 또는
  • ()
    • 그룹 지정
    • 복수의 패턴을 하나의 그룹으로 묶어 찾는 식으로 사용할 수 있음
    • 예시)
      1. gray 또는 grey 를 찾고자 할 때
        • /gr(a|e)y/gm
      2. URL 패턴을 찾고자 할 때
        • /(http|https):// ... 이하 생략
      3. 한번에 패턴을 검색하되, 다른 별개의 그룹으로 찾고자 할 때
        • (Hi|Hello)|(AND)
      4. 그룹을 지정하고 싶지 않을 때
  • (?:)
    • 그룹을 지정하지 않음
    • 예시)
      1. grey 또는 gray를 찾되, 그룹으로 지정하지않음
        • (?:grey|gray)
  • []
    • 대괄호의 모든 문자열에 대해서, 하나라도 만족하는 문자열
    • 예시)
      1. gr로 시작하는 모든 알파벳 3개로 구성된 문자열
        • gr[a-zA-Z0-9]
      2. gr과 y사이에 a, e, d 중 하나를 충족하는 문자열
        • gr[aed]y
  • [^]
    • 부정 문자열. 괄호 안의 어떤 문자열을 제외한 문자열
    • 예시)
      1. 대소문자 알파벳, 숫자, 공백이 아닌 모든 문자열
        • [^a-zA-Z0-9 ]

3.2. 수량 quantifier

  • ?
    • 없거나, 있거나 (zero or one)
  • *
    • 없거나, 있거나, 많거나 (zero or more)
  • +
    • 하나 또는 많이 (one or more)
  • {n}
    • n번 반복
  • {n,}
    • 최소 n번 반복
  • {,m}
    • 최대 m번 반복
  • {n, m}
    • 최소 n번, 최대 m번 반복

3.3. 경계 boundary-type

  • \b
    • 단어의 경계
    • 문자열의 앞 또는 뒤에서 쓰이는 문자열만 찾음
  • \B
    • 단어의 경계가 아님
  • ^
    • 문장의 시작
  • $
    • 문장의 끝

3.4. 문자열 character classes

  • \
    • 특수 문자가 아닌 문자
    • 예시)
      • 정규표현의 .이 아닌 실제 문장에서 .을 찾고자 할 때
        • \.
      • 정규표현식에서 그룹지정의 ()가 아닌, 실제 텍스트에서 ()를 찾고자 할 때,
        • \(\)
  • .
    • 줄바꿈을 제외한 모든 문자
  • \d
    • 숫자
  • \D
    • 숫자 아님
  • \w
    • 문자열
  • \W
    • 문자열 아님
  • \s
    • 공백
  • \S
    • 공백 아님

4. 간단한 예제

4.1. 전화번호 찾기

  • \d{2,3}[- .]\d{3,4}[- .]\d{4}

4.2. E-mail 찾기

  • [\S]+@[a-zA-Z0-9-]+\.[a-z.]+

4.3. URL 찾기

(Youtube 주소에서 default url을 제외한 영상 고유의 id찾기)

  • (https?:\/\/)?(www\.)?youtu\.be\/([a-zA-Z0-9-]+)

5. 파이썬과 정규표현식

5.1. 정규표현식 패키지 - re

  • 파이썬에 내장된 re 패키지를 사용하면 됨. (문서)
import re

5.2. 주요 기능

5.2.1. 정규식 패턴 정의

  • re.compile
    • 정규식 패턴을 직접 변수로 전달할 수도 있겠지만, re.compile을 통해 미리 컴파일하여 객체로 사용하는 것이 편함
pat = re.compile('[a-z]+')
print(pat)

    re.compile('[a-z]+')

5.2.2. 검색

  • .match
    • 문자열의 처음부터 정규식 패턴과 일치하는지 검색
    • 묹자열의 처음부터 일치하지 않을 경우 검색되지 않음
m = re.match(pat, "python @789")
print(m)

    <re.Match object; span=(0, 6), match='python'>

m = re.match(pat, "#123 python @789")
print(m)

    None
  • .search
    • 문자열 전체에 대해서 정규식 패턴과 일치하는 문자열 검색
m = re.search(pat, "#123 python @789")
print(m)

    <re.Match object; span=(5, 11), match='python'>
  • re.findall
    • 정규식 패턴과 매치되는 모든 부분 문자열(substring)을 리스트로 리턴
m = re.findall(pat, "#123 python @789")
print(m)

    ['python']
  • re.finditer
    • 정규식 패턴과 매치되는 모든 부분 문자열을 iter 객체로 리턴
m = re.finditer(pat, "#123 python pythonista, python @789")
for match in m:
    print(match)

    <re.Match object; span=(5, 11), match='python'>
    <re.Match object; span=(12, 22), match='pythonista'>
    <re.Match object; span=(24, 30), match='python'>
  • 검색 객체의 메서드
    • .group() : 매치된 문자열 리턴
    • .start() : 매치된 문자열의 시작 위치 리턴
    • .end() : 매치된 문자열의 끝 위치 리턴
    • .span() : 매치된 문자열의 (시작, 끝) 튜플 리턴
m = re.finditer(pat, "#123 python pythonista, python @789")
for match in m:
    print("매치된 문자열 match : {}".format(match.group()))
    print("매치된 문자열 start : {}".format(match.start()))
    print("매치된 문자열 end : {}".format(match.end()))
    print("매치된 문자열 span : {}".format(match.span()))
    print("----------------------------")

    매치된 문자열 match : python
    매치된 문자열 start : 5
    매치된 문자열 end : 11
    매치된 문자열 span : (5, 11)
    ----------------------------
    매치된 문자열 match : pythonista
    매치된 문자열 start : 12
    매치된 문자열 end : 22
    매치된 문자열 span : (12, 22)
    ----------------------------
    매치된 문자열 match : python
    매치된 문자열 start : 24
    매치된 문자열 end : 30
    매치된 문자열 span : (24, 30)
    ----------------------------

5.3. 문자열 변경

  • re.sub(정규식패턴, 변경할문자열, 타겟문자열)
    • 문자열 바꾸기
    • 파이썬에서 .replace()와 같은 역할을 함
m = re.sub(pat, "hello", "#123 python @789")
print(m)

    #123 hello @789

Reference