RegEx : Regular Expression (정규 표현식)

Sunwoo Pi·2023년 4월 26일

정규표현식

복잡한 문자열을 처리할 때 사용하는 기법, 모든 언어 공통

형식 : /[Pattern]/[Flag]

Pattern

Groups and Ranges

Character	뜻
\|	또는
`()`	그룹
`[]`	문자셋, 괄호안의 어떤 문자든
`[^]`	부정 문자셋, 괄호안의 어떤 문자가 아닐때
`(?:)`	찾지만 기억하지는 않음

Quantifiers

Character	뜻
`?`	없거나 있거나 (zero or one)
`*`	없거나 있거나 많거나 (zero or more)
`+`	하나 또는 많이 (one or more)
`{n}`	n번 반복
`{min,}`	최소
`{min,max}`	최소, 그리고 최대

Character Classes

Character	뜻
`.`	어떤 글자 (줄바꿈 문자 제외)
`\`	특수 문자가 아닌 문자
`\s`	space 공백
`\w`	word 문자
`\d`	digit 숫자
`\S`	space 공백 아님
`\W`	word 문자 아님
`\D`	digit 숫자 아님

Boundary Type

Character	뜻
`\b`	단어 경계
`\B`	단어 경계가 아님
`^`	문장의 시작
`$`	문장의 끝

Flag

Character	뜻
g	global
m	multiline
i	case insensitive
s	single line (dotall)
u	unicode
y	sticky

with Python

re Module과 Pattern 객체 Method

import re

p = re.compile('[a-z]+') # Pattern Object
m1 = p.match('3 python')
m2 = p.match('python')
m3 = p.search('3 python') # 처음부터 일치하지 않아도 매칭
m4 = p.findall('life is too short')
m5 = p.finditer('life is too short')
print(f"m1 : {m1}") # None
print(f"m2 : {m2}") # Match Object
print(f"m3 : {m3}") # Match Object (꼭 처음부터 일치할 필요 x)
print(f"m4 : {m4}") # list
print(f"m5 : {m5}") # Iterator Object
for i in m5:
    print(i) # Match Object
    
# m2 = re.match('[a-z]+', 'python')과 같은 표현도 가능
    
# 문자열 바꾸기 : sub()
p = re.compile('(blue|white|red)')
m = p.sub('colour', 'blue socks and red shoes')
print(m) # "colour socks and colour shoes"

Match 객체 Method

p = re.compile('[a-z]+')
m = p.match('python')
print(m.group()) # 매치된 문자열을 리턴 : python
print(m.start()) # 매치된 문자열의 시작 위치 리턴 : 0
print(m.end()) # 매치된 문자열의 끝 위치 리턴 : 6
print(m.span()) # 매치된 문자열의 (시작, 끝)에 해당되는 튜플 리턴 : (0, 6)

Compile Option

# DOTALL, S : Dot(.)이 줄바꿈 문자도 포함하게끔 설정
p1 = re.compile('a.b')
p2 = re.compile('a.b', re.DOTALL) # re.DOTALL과 re.S 모두 사용 가능

print(p1.match('a\nb) # None
print(p2.match('a\nb') # Match Object

# IGNORECASE, I : 대소문자 상관없게끔 설정
p1 = re.compile('[a-z]+')
p2 = re.compile('[a-z]+', re.IGNORECASE)

print(p1.match('python')) # Match Object
print(p1.match('Python')) # None
print(p1.match('PYTHON')) # None
print(p2.match('python')) # Match Object
print(p2.match('Python')) # Match Object
print(p2.match('PYTHON')) # Match Object

# MULTILINE, M : ^를 각 Line의 처음으로 인식시케끔 설정
p1 = re.compile("^python\s\w+")
p2 = re.compile("^python\s\w+", re.MULTILINE)

data = """python one
life is too short
python two
you need python
python three
"""

print(p1.findall(data)) # ['python one']
print(p2.findall(data)) # ['python one', 'python two', 'python three']

RegEx in Python

# |
print(re.match('Crow|Servo', 'CrowHello')) # match='Crow'

# ^
print(re.search('^Life', 'Life is too short')) # match='Life'
print(re.search('^Life', 'My Life')) # None

# $
print(re.search('short$', 'Life is too short')) # match='short'
print(re.search('short$', 'Life is too short, you need python')) # None

# \b
p = re.compile(r'\bclass\b') # r''을 통해 String '\'을 Python에서 '\\'가 아닌 '\'로 표현 가능
print(p.search('no class at all')) # match='class'
print(p.search('the declassified algorithm')) # None
print(p.search('one subclass is ...')) # None

# Grouping ()
p = re.compile('(ABC)+')
m = p.search('ABCABCABC OK?')
print(m) # match='ABCABCABC'
print(m.group()) # ABCABC

p = re.compile("(\w+)\s+\d+[-]\d+[-]\d+")
m = p.search("park 010-1234-1234")
print(m.group()) # park 010-1234-1234
print(m.group(0)) # park 010-1234-1234
print(m.group(1)) # park

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

# 전방 탐색 : 긍정형 (?=)
p1 = re.compile(".+:")
p2 = re.compile(".+(?=:)") # 검색 조건에는 ':' 포함, 결과에는 ':' 미포함
m1 = p1.search("http://google.com")
m2 = p2.search("http://google.com")
print(m1.group()) # http:
print(m2.group()) # http

# 전방 탐색 : 부정형 (?!)
p1 = re.compile(".*[.](?!bat$).*$", re.M) # 결과에 'bat'으로 끝나는 것은 미포함
m1 = p1.findall("""
autoexec.exe
autoexec.bat
autoexec.jpg
""")
print(m1) # ['autoexec.exe', 'autoexec.jpg']

# Greedy vs Non-Greedy
s = '<html><head><title>Title</title>'
print(re.match('<.*>', s).group()) # <html><head><title>Title</title> : Greedy
print(re.match('<.*?>', s).group()) # <html> : Non-Greedy