정규식

 

 

 

정규식이란?
(Regular expressions, Regex, Regexp)

: 문자 패턴을 표현하는 공식으로, 일종의 형식 언어.
: 특정 규칙이 있는 문자열 집합을 추출할 때 자주 사용되는 기법.

: 정규식은 JavaScript, Java, Oracle, Python, R, Perl, C, C# 등 다양한 프로그래밍 언어에서 사용 가능하다.

<정규식 사용 예시>

• 데이터 유효성 검사 ( 핸드폰 번호, 이메일 형식, 주소 형식, 시간문자열 등)
• 웹 스크래핑 (특정 패턴으로 정보를 스크랩)
• 문자열 파싱(URL 쿼리파라미터 파싱, 괄호 파싱 등) 및 문자열 대체(대소문자 변경 등)
• 문법 하이라이팅, 파일명 변경, 패킷 스니핑 등 문자열을 다루는 여러 응용로직에서 사용 가능.

 

 

1. 메타문자

메타문자란 문자를 설명하기 위한 문자.

정규식에서 사용되는 메타문자   :       .   ^  $   *   +   ?   {}   []   \   |   ()

 

2. 정규식 : ^ 과 $

1) ^Class                      Class 로 시작하는 모든 문자열을 매칭
2) branch$                     branch로 끝나는 문자열을 매칭
3) ^Class branch$         Class branch와 정확하게 일치하는 문자열을 매칭
4) name                         name이 들어있는 모든 문자열을 매칭

1) ^

 

2) $

 

3) ^classname$

3) ^와 $ 사이의 문자열과 정확하게 일치하는 문자열을 매칭 : 공백도 허용하지 않음.

 

4)&nbsp; name

 

 

3. 정규식 Quantifiers(수량자) : * , + , ? , {}

1) abc*     ab 와 0개 이상의 c 를 포함한 문자열과 매칭
2) abc+    ab 와 1개 이상의 c 를 포함한 문자열과 매칭
3) abc?    ab 와 0개 또는 1개의 c를 포함한 문자열과 매칭
4) abc{n}  ab 와 n개의 c를 포함한 문자열과 매칭
5) abc{n,} ab 와 n개 이상의 c를 포함한 문자열과 매칭
6) abc{2,5} ab 와 2개 이상 5개 이하의 c를 포함한 문자열과 매칭
7) a(bc)*    a 와 0개 이상의 bc를 포함한 문자열과 매칭
8) a(bc){2,5}  a와 2개 이상 5개 이하의 bc를 포함한 문자열과 매칭

 

1) *은 0개 이상이라서 c가 없는 ab도 매칭됨

2) +는 1개 이상이라서 c가 없는 ab는 매칭 안됨

3) ?는 0개 또는 1개의 c 이기 때문에 abc와 ab는 매칭, abcc는 매칭 안됨

4) c{2} 는 딱 2개의 c를 포함한 문자열을 매칭
c{3}으로 하면 c가 3개인 문자열이 없기 때문에 매칭되지 않음

7) a 와 0개 이상의 bc 이므로
a가 없는 그냥 bc는 매칭되지 않음

 

 

4. 정규식 OR opreeator(연산자) : | , []

1) a(b|c)         a 그리고 b 또는 c 를 포함한 문자열을 매칭
2) a[bc]          a(b|c) 와 동일

 

 

5. 정규식 Character classes : \d , \w, \s , .

1) \d      숫자 하나와 매칭(decimal)
2) \w      문자(숫자, 영문, 언더바) 하나와 매칭
3) \s       공백문자(탭, 줄바꿈, 스페이스) 하나와 매칭
4) .         모든 문자 하나와 매칭

 \w   와  \s   와   .   의 매칭을 비교

 

5-1. 정규식 : \D , \W, \S 

위의 소문자와 반대의 의미로 매칭
\D      숫자가 아닌 문자열 하나와 매칭
\W     문자가 아닌 공백 하나와 매칭
\S      공백이 아닌 숫자와 문자 하나와 매칭

숫자 제외, 문자와 공백

문자와 숫자 제외, 공백 매칭

공백 제외, 문자와 숫자

 

5-1. 정규식 : 특수문자, etc

특수문자를 그대로 사용하려면, 역슬래시( \ )를 앞에 붙여 사용.
1) \^\d     특수문자 ^ 와 숫자 하나를 매칭
2) \t         탭문자
3) \n        줄바꿈문자
4) \r         캐리지리턴문자

특수문자 ^ 와 숫자 하나

 

* \r (캐리지 리턴, carriage return)
: 커서를 해당 줄의 맨 앞으로 옮겨놓음

 

6. 정규식 Grouping : ()

1) a(bc)                () 소괄호는 캡쳐 그룹을 생성
2) a(?:bc)*            ?: 는 캡쳐 그룹 생성을 무시
3) a(?<foo>bc)     ?<foo> 는 캡쳐 그룹에 이름을 지정

• 여러 그룹으로 캡쳐된 결과는 배열로 반환되므로 index로 캡쳐된 내용을 사용할 수 있다.
• 따라서 문자열로부터 정보를 추출할 때 유용하다.
• 그룹에 이름을 지정한 경우 값을 key-value 형태를 가진 dictionary 처럼 접근할 수 있다.

 

 

 

7. 정규식 : []

1) [abc]          a 또는 b 또는 c를 포함하는 문자열과 매칭
2) [a-c]            = [abc] = a|b|c
3) [0-9]%         0이상 9이하 숫자 그리고 % 문자를 포함한 문자열과 매칭
4) [^a-zA-Z]    영문이 아닌 문자와 매칭. [] 안의 ^는 NOT의 의미를 나타낸다.
5) [a-fA-F0-9]

 

 

8. 정규식 : ?

수량자 (  *  +  {}  )은 최대한 많이 매칭시키려는 특징이 있다.

수량자 뒤에 ?  를 사용하면 가능한 적게 매칭시키는 특징을 갖는다.

< 와 > 사이에  . (모든 문자) 하나 이상의 문자를 매칭

< 와 > 사이에 .(모든 문자) 하나 이상, 가능한 적게 매칭

 

하지만,

. 연산자를 사용하는 것보다 엄격한 정규식을 사용하는 것이 더 좋은 방법.

< [^<>] +  >

 < [^<>]+  >   :  < 와 > 사이에
< [^<>] +  >  :  <와> 가 아닌 1개 이상의 문자

 

9. 정규식 Boundaries : \b 와 \B

1) \b      동일한 문자를 매칭
2) \B     패턴이 단어로 완전히 둘러싸인 경우 매칭.

anchor문자 (^ , $)와 유사하며 한쪽은 문자, 다른쪽은 문자가 아닌 단어와 매칭.

 

\Babc\B 와 결과 동일.

 

10. 정규식 : (?=) 와 (?<=)

1)  d(?=r)      r이 바로 뒤에 있는 d를 매칭. (r은 포함되지 않음)
2) (?<=r)d    r이 바로 앞에 있는 d를 매칭. (r은 포함되지 않음)
3) d(?!r)       r이 바로 뒤에 없는 d를 매칭. (r은 포함되지 않음)
4) (?<!r)d     r이 바로 앞에 없는 d를 매칭. (r은 포함되지 않음)

 

 

 

 

참고 : [정규식] 핵심만 모아놓은 Cheat Sheet 블로그

[정규식] 핵심만 모아놓은 Cheat Sheet

실습 사이트 : regex101