[점프 투 파이썬] 7강: 정규표현식이란? 파이썬 정규표현식의 기초와 활용

정규표현식이란?

 

정규표현식이란?

- 복잡한 문자열을 처리할 때 사용하는 기법, 모든 언어 공통

 

ex) 주민등록번호의 뒷자리를 *문자로 변경하기

import re

data = """
park 800905-1049119
kim 700905-1059112
"""

pat = re.compile("(\d{6})[-]\d{7}")
print(pat.sub("\g<1>-*******"),data)

 

문자 클래스[ ]

[abc]

 

- [] 사이의 문자들과 매치

- "a"는 정규식과 일치하는 문자인 "a"가 있으므로 매치

- "before"는 정규식과 일치하는 문자인 "b"가 있으므로 매치

- "dude"는 정규식과 일치하는 문자인 a,b,c 중 어느 하나도 포함하고 있지 않으므로 매치 X

- 하이픈을 사용하여 From-To로 표현 가능

ex) [a-c] = [abc], [0-5] = [012345]

 

 

Dot(.)

a.b

 

- 줄바꿈(\n)을 제외한 모든 문자와 매치

- "aab"는 가운데 문자 "a"가 모든 문자를 의미하는 '.'과 일치하므로 정규식과 매치

- "a0b"는 가운데 문자 "0"가 모든 문자를 의미하는 '.'과 일치하므로 정규식과 매치

- "abc"는 "a"문자와 "b"문자 사이에 어떤 문자라도 하나는 있어야 하는 이 정규식과 일치하지 않으므로 매치 X

 

반복 (*)

ca*t

 

- "ct"는 "a"가 0번 반복되어 매치

- "cat"는 "a"가 0번 이상 반복되어 매치 (1번 반복)

- "caaat"는 "a"가 0번 이상 반복되어 매치 (3번 반복)

 

반복 (+)

ca+t

 

- "ct"는 "a"가 0번 반복되어 매치되지 않음

- "cat"는 "a"가 1번 이상 반복되어 매치 (1번 반복)

- "caaat"는 "a"가 1번 이상 반복되어 매치 (3번 반복)

 

반복 ({m,n},?)

ca{2}t

 

- "cat"는 "a"가 1번만 반복되어 매치되지 않음

- "caat"는 "a"가 2번 반복되어 매치

 

ca{2,5}t

→ a 2이상 5이하

 

- "cat"는 "a"가 1번만 반복되어 매치되지 않음

- "caat"는 "a"가 2번 반복되어 매치

- "caaaaat"는 "a"가 5번 반복되어 매치

 

ab?c

→ b가 0회 혹은 1회

 

- "abc"는 "b"가 1번 사용되어 매치

- "ac"는 "b"가 0번 사용되어 매치

 

? == {0,1}와 같은 표현

 

---

정규 표현식 시작하기

 

파이썬에서 정규 표현식을 지원하는 re 모듈

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

→ p는 패턴 객체

 

① match

import re
p = re.compile('[a-z]+')
m = p.match('3 python')
print(m)

→ NONE

 

② search

import re
p = re.compile('[a-z]+')
m = p.search('3 python')
print(m)

 

출력

 

③ findall

import re
p = re.compile('[a-z]+')
m = p.findall('life is too short')
print(m)

 

출력

 

④ finditer

import re
p = re.compile('[a-z]+')
m = p.finditer('life is too short')
print(m)

 

출력

 

import re
p = re.compile('[a-z]+')
m = p.finditer('life is too short')
for r in m:
    print(r)

 

출력

 

※ match 객체의 메서드1

method	목적
group	매치된 문자열을 리턴한다.
start	매치된 문자열의 시작 위치를 리턴한다.
end	매치된 문자열의 끝 위치를 리턴한다.
span	매치된 문자열의 (시작, 끝)에 해당하는 튜플을 리턴한다.

 

import re
p = re.compile('[a-z]+')
m = p.match('python')

print(m.group())
print(m.start())
print(m.end())
print(m.span())

 

출력

(0,6) → 튜플

 

컴파일 옵션, DOTALL, S

→ 줄바꿈 문자도 포함시킴

 

ex1)

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

→ NONE

 

ex2)

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

 

출력

 

 

IGNORECASE, I

# IGNORECASE, I
import re
p = re.compile('[a-z]', re.I)
print(p.match('python'))
print(p.match('Python'))
print(p.match('PYTHON'))

 

출력

 

 

MULTILINE, M

 

ex1)

# MULTILINE, M
import re
p = re.compile("^python\s\w+") #^는 맨 처음, \s는 공백, \w는 알파벳,숫자, _중의 한 문자

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

print(p.findall(data))

 

출력

 

ex2)

# MULTILINE, M
import re
p = re.compile("^python\s\w+", re.MULTILINE)

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

print(p.findall(data))

 

출력

 

VERBOSE, X

#VERBOSE, X
import re
charref = re.compile(r'&[#](0[0-7]+|[0-9]+|x[0-9a-fA-F]+);')

charref = re.compile(r"""
&[#]                    #Start of a numeric entity reference
(  
    0[0-7]+             #Octal form
    |[0-9]+             #Decimal form
    |x[0-9a-fA-F]+      #Hexadecimal form
)
;                       #Trailing semicolon
""",re.VERBOSE)

→ 정규표현식의 줄을 나누더라도 인식되도록 해줌

 

 

백슬래시 문제

\section
p = re.compile('\\\\section')
p = re.compile(r'\\section')

→ r을 붙이면 \\\\ 네 번을 안 써도 됨

 

---

강력한 정규 표현식의 세계로

 

https://wikidocs.net/4309

• |
• ^
• $
• \A
• \Z
• \b
• \B

 

메타문자 |

#메타문자 |
import re
p = re.compile('Crow|Servo')
m = p.match('CrowHello')
print(m)

→ | or

 

출력

 

 

메타문자 ^

#메타문자 |
import re
print(re.search('^Life', 'Life is too short'))
print(re.search('^Lift', 'My Life'))

→ ^ 맨 처음에 나오는지

 

출력

 

 

그루핑 ()

 

ex1)

#그루핑 ()
import re
p = re.compile('(ABC)+')
m = p.search('ABCABCABC OK?')
print(m)
print(m.group())

→ ABC를 묶을 땐 (ABC)로

 

ex2)

#그루핑 ()
import re
p = re.compile(r'(\b\w+)\s+\1')
print(p.search('Paris in the the spring').group())

→ \1 한번 더 있는 것을 찾아낸다

 

출력

 

ex3) ?P<name>

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

→ <name>으로 된 것을 분류할 수 있다

 

출력

 

ex4) (?P=word)

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

 

출력

 

 

전방탐색: 긍정형 (?=)

#전방탐색: 긍정형 (?=)
import re
p = re.compile(".+:")
m = p.search("http://google.com")
print(m.group())

 

출력

 

: 을 빼려면?

#전방탐색: 긍정형 (?=)
import re
p = re.compile(".+(?=:)")
m = p.search("http://google.com")
print(m.group())

→ ?= 뒤에 전방탐색의 기준이 될 문자 삽입

 

출력

 

전방탐색: 부정형 (?!)

 

https://wikidocs.net/4309#b_1

 

문자열 바꾸기 sub

#문자열 바꾸기 sub
import re
p = re.compile('(blue|white|red)')
m = p.sub('colour', 'blue socks and red shoes')
print(m)

→ blue,white,red 중에 포함된 게 있다면 colour로 치환

 

출력

 

 

Geedy vs Non-Greedy

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

 

출력

 

 

 

 

 

 

 

 

※ 해당 게시글은 개인 학습의 목적으로, 아래 강의를 수강한 후 정리한 학습노트입니다.

https://www.youtube.com/watch?v=dTDoTR0MXjU&list=PLU9-uwewPMe2AX9o9hFgv-nRvOcBdzvP5&index=10