정규표현식

• 특수 문자
  • 정규식만에서 사용되는 문자
  • 공백, 영단어 등
  • 일반 문자와 섞어 사용

특수 글자	설명	Regex
\w	영숫자 + "_"	[A-Za-z0-9_]
\W	(영숫자 + "_")를 제외한 문자	[^A-Za-z0-9_]
\d
\D
\s
\S
\b

• 메타 문자
  • 정규식의 문법적인 요소를 담당하는 문자
  • . ^ & * + ? { } [ ] \ | ( )
  • 이 문자들은 특수한 의미의 문자이므로 사용 불가능
  • 사용하고 싶다면 \ 를 붙여서 사용하면 가능
• 문자 클래스 []
  • [와 ] 사이의 문자들 중 하나와 매칭
  • '-'를 사용하여 범위 지정 가능
  • [a-z] [A-Z0-9][\d\s]
• 부정 [^]
  • [^와 ] 사이에 없는 문자를 매칭
  • '-'를 사용하여 범위 지정 가능
• 문자 .
  • 아무 문자나 하나를 매칭
  • 줄 바꿈 문자 \n를 제외
  • ex) \s....\s -> need, hell, walf
• 0회 이상 *
  • 앞의 문자를 0개 이상 포함
  • ex) ab*c -> abc, abbc, abbbc, abbbc, ac
• #이모티콘
  • #과 # 사이의 단어만 하려고 하는데 뒤에 더 붙어 있으면 그게 계속 연결되어서 인식함
  • #%[^#]+#
• 1회 이상 +
  • 앞의 문자를 1개 이상 포함
• 0또는 1회 ?
  • 앞의 문자가 없을 수도 있음
  • ab?c -> ac, abc
• 반복 횟수 지정 {m, n}
  • m번 이상 n번 이하 반복
  • 숫자가 하나만 주어질 경우
    • {m}: m번 반복
    • {m,}: m번 이상 반복
    • {,n}: n번 이하 반복
  • ex) 0\d{1,2} - \d{3, 4} - \d{4}: 010-1234-1234
• Lazy Matching ?
  • 최대한 짧게 매칭하기 위해서는 뒤에 ?를 삽입함
  • 이거보다 #에 써놓은 것으로 하는 것을 권장함
• 선택 |
  • 여러 식 중 하나를 선택
  • ( )내에 있는 값들 중 선택하는 방식으로 진행
  • (0|\+82-): 0으로 시작하거나 82로 시작하는 것 
• 단어 경계 \b
  • 단어의 경계 지점인지 확인
  • \babc\b: 단독으로 abc만 있는 것을 찾기 위함
  • \Babc\B: abc 앞뒤에 blank 제외하고 뭔가가 붙어 있는 것을 확인
• 줄의 시작 ^
  • 줄이나 문자열의 시작점
  • multiline flag필요
  • ^.  -> 줄의 시작의 하나의 문자만 인식
  • ^\w+  -> 줄의 시작의 하나의 단어만 인식 
• 줄의 끝 $
  • 줄이나 문자열의 끝
  • multiline flag필요
  • \.$ : .으로 끝날 경우 인식
• 그룹 캡쳐 ( )
  • 괄호이므로 우선순위가 있음
  • 해당 문자열을 캡쳐한다.
  • 캡쳐된 텍스트를 불러올 수 있다
    • \n: n번째 ( ) 안에 들어가 있는 문자열을 캡쳐함
  • (\w{2, }).+\1
    • 2글자 이상 반복된 글자를 캡처하고 그 두 단어 사이에 어떤 값들이 포함되어 있음
    • tomato
    • one-to-one
    • abcdebch
  • (\w{3,})-\1
    • abc-abc
    • bcd-bcd
• 비 그룹 캡쳐 (?:)
  • 괄호이므로 우선순위가 있음
  • 캡쳐를 하지는 않는다.
  • 그냥 괄호
  • (?:0|\+82-)\d{1,2}-(\d{4})-\1
    • 앞에 있는 애는 선택만 하면 되어서 0 혹은 +82-로 시작하는 값들 중 마지막 4자리가 두번 반복되는 값으로 찾음
• 뒷 패턴 확인 D(?=R)
  • R이 바로 뒤에 있는 D를 매칭
  • R부분은 포함되지 않음
  • \w+(?=ism) 
    • ism으로 끝나는 단어 중 ism를 제외한 앞의 글자들을 찾고 싶다
• 앞 패턴 확인 (?<=R)D
  • R이 바로 앞에 있는 D를 매칭
  • R부분은 포함되지 않음
  • (?<=pre)\w+
    • pre로 시작하는 글자들 중 pre를 제외한 뒤의 글자들을 찾고 싶다
• 이메일 매칭하는 것 찾기
  • 메일 매칭
    • \w+@\w+\.(?:com|net)
  • 메일에 도메인을 포함하는 메일 매칭
    • ^\w*(\w+)\w*@\1\.(?:com|net)$

파이썬에서 사용하기

string = \
"""
010-1234-1234
010-1234-5678
+82-10-5678-5678
+82-4123-1234
"""
pattern = r'^(?:0|+92-)\d)1,2}-(\d{4})-\1$'
import re
for match in re.finditer(pattern, string, re.MULTILINE):
    print('전체 문자열', match.group(0))			#문자열 전체
    print(r"\1 문자열", match.group(1))		  #캡처된 문자열

• 탐색

#처음으로 매칭되는 문자열 탐색
match = re.search(pattern, string, re.MULTILINE)
print(match.group(0))

• 모두탐색

#모든 매칭되는 문자열 탐색
for match in re.finditer(pattern, string, re.MULTILINE):
    print(match.group(0))

• 치환

# 매칭되는 패턴 치환

repl = r"치환됨-\1"
print(re.sub(pattern, repl, string, flags=re.MULTILINE)

• 나누기

# 매칭되는 패턴을 기준으로 나누기
splited = re.split(pattrn, string, flags = re.MULTILINE)
print(splited)

정규표현식을 평가하는 것은 오래 걸리기 때문에 정규표현식을 미리 컴파일할 경우 더 빠르다