파이썬 정규표현식 정리 (1)

다음은 점프투 파이썬 wikidocs.net/1669의 정규표현식 내용을 조금 더 간략화 한 내용입니다.

문자 클래스 [ ]

"[] 사이의 문자들과 매치"

[abc]라면, "a,b,c 중 한 개의 문자와 매치"

안에 하이픈(-)를 사용하면, From - To를 의미한다.

[0-5]는 [012345]와 동일하다.

[a-zA-Z], "알파벳 모두"

문자 클래스([])에 ^를 사용할 경우 not라는 의미를 갖는다.

자주 사용하는 문자 클래스

\d - 숫자와 매치, [0-9]와 동일하다

\D - 숫자가 아닌 것과 매치, [^0-9]와 동일

\s - space와 매치

\S - space가 아닌 것과 매치

\w - 문자+숫자와 매치, [a-zA-Z0-9_]와 동일하다.

\W - 문자+숫자가 아닌 것과 매치

Dot(.)

\n을 제외한 모든 문자와 매치된다.

"a + 모든문자 + b"

"aab", "a0b", "abc" 중 "aab", "a0b"는 정규식 a.b와 매치되고, "abc"는 매치되지 않는다.

정규식 a\[.\]b는 "a.b"와 매치되고, "a0b"와는 매치되지 않는다.

반복 \, +, {}*

*, + 둘 다 반복을 의미하지만, +의 경우 최소 1번 이상 반복될 때 사용한다.

ca*t ⇒ ct, cat, caat, caaat....

여기에서 잠깐 생각해 볼 게 있다. 반복 횟수를 3회만 또는 1회부터 3회까지만으로 제한하고 싶을 수도 있지 않을까?

{3,}처럼 사용하면 반복 횟수가 3 이상인 경우이고 {,3}처럼 사용하면 반복 횟수가 3 이하를 의미한다. 생략된 m은 0과 동일하며, 생략된 n은 무한대(2억 개 미만)의 의미를 갖는다.

※ {1,}은 +와 동일하고, {0,}은 *와 동일하다.

{ }을 사용한 몇 가지 정규식을 살펴보자.

1. {}

ca{2}t 정규식의 의미는 다음과 같다.

"c + a(반드시 2번 반복) + t"

1. ca{2,5}t ⇒ caat, caaat, caaaat, caaaat 와 매치된다.

반복은 아니지만 이와 비슷한 개념으로 ? 이 있다. ? 메타문자가 의미하는 것은 {0, 1} 이다.

다음 정규식을 보자.

ab?c "a + b(있어도 되고 없어도 된다) + c"

파이썬에서 정규 표현식을 지원하는 re 모듈

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

re.compile을 사용하여 정규 표현식(위 예에서는 ab\*)을 컴파일한다. re.compile의 결과로 돌려주는 객체 p(컴파일된 패턴 객체)를 사용하여 그 이후의 작업을 수행할 것이다.

컴파일 된 객체는 다음과 같은 메소드를 가지고 있다.

정규식을 이용한 문자열 검색

이제 컴파일된 패턴 객체를 사용하여 문자열 검색을 수행해 보자. 컴파일된 패턴 객체는 다음과 같은 4가지 메서드를 제공한다.

match()	문자열의 처음부터 정규식과 매치되는지 조사한다.
search()	문자열 전체를 검색하여 정규식과 매치되는지 조사한다.
findall()	정규식과 매치되는 모든 문자열(substring)을 리스트로 돌려준다.
finditer()	정규식과 매치되는 모든 문자열(substring)을 반복 가능한 객체로 돌려준다.

match, search는 정규식과 매치될 때는 match 객체를 돌려주고, 매치되지 않을 때는 None을 돌려준다. 이들 메서드에 대한 간단한 예를 살펴보자.

※ match 객체란 정규식의 검색 결과로 돌려주는 객체이다.

우선 다음과 같은 패턴을 만들어 보자.

import re
p = re.compile('\[a-z\]+')

import re
p = re.compile('\[a-z\]+') 
m = p.match("python") 
>>> print(m) 
<\_sre.SRE\_Match object at 0x01F3F9F8>

만약 정규표현식과 문자열이 매치한다면, Match 객체를 반환한다.

match 객체의 메서드

자, 이제 match 메서드와 search 메서드를 수행한 결과로 돌려준 match 객체에 대해 알아보자. 앞에서 정규식을 사용한 문자열 검색을 수행하면서 아마도 다음과 같은 궁금증이 생겼을 것이다.

• 어떤 문자열이 매치되었는가?
• 매치된 문자열의 인덱스는 어디서부터 어디까지인가?

match 객체의 메서드를 사용하면 이 같은 궁금증을 해결할 수 있다. 다음 표를 보자.

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

다음 예로 확인해 보자.

m = p.match("python") 
>>> m.group() 'python' 
>>> m.start() 0 
>>> m.end() 6 
>>> m.span() (0, 6)

[모듈 단위로 수행하기]

지금까지 우리는 re.compile을 사용하여 컴파일된 패턴 객체로 그 이후의 작업을 수행했다. re 모듈은 이것을 좀 축약한 형태로 사용할 수 있는 방법을 제공한다. 다음 예를 보자.

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

위 코드가 축약된 형태는 다음과 같다.

>>> m = re.match('\[a-z\]+', "python")

위 예처럼 사용하면 컴파일과 match 메서드를 한 번에 수행할 수 있다. 보통 한 번 만든 패턴 객체를 여러번 사용해야 할 때는 이 방법보다 re.compile을 사용하는 것이 편하다.

메타 문자

^

^ 메타 문자는 문자열의 맨 처음과 일치함을 의미한다.

정규식 ^python\s\w+은 python이라는 문자열로 시작하고 그 뒤에 whitespace, 그 뒤에 단어가 와야 한다는 의미이다. 검색할 문자열 data는 여러 줄로 이루어져 있다.

re.search('^Life', 'Life is too short')

|

| 메타 문자는 or과 동일한 의미로 사용된다. A|B라는 정규식이 있다면 A 또는 B라는 의미가 된다.

p = re.compile('Crow|Servo')

$

$ 메타 문자는 ^ 메타 문자와 반대의 경우이다. 즉 $는 문자열의 끝과 매치함을 의미한다.

re.search('short$', 'Life is too short')

\A

\\A는 문자열의 처음과 매치됨을 의미한다. ^ 메타 문자와 동일한 의미이지만 re.MULTILINE 옵션을 사용할 경우에는 다르게 해석된다. re.MULTILINE 옵션을 사용할 경우 ^은 각 줄의 문자열의 처음과 매치되지만 \\A는 줄과 상관없이 전체 문자열의 처음하고만 매치된다.

\Z

\\Z는 문자열의 끝과 매치됨을 의미한다. 이것 역시 \\A와 동일하게 re.MULTILINE 옵션을 사용할 경우 $ 메타 문자와는 달리 전체 문자열의 끝과 매치된다.

\b

\\b는 단어 구분자(Word boundary)이다. 보통 단어는 whitespace에 의해 구분된다.

다음 예를 보자.

>>> p = re.compile(r'\\\\bclass\\\\b')
>>> print(p.search('no class at all')) 
<re.Match object; span=(3, 8), match='class'>

\\bclass\\b 정규식은 앞뒤가 whitespace로 구분된 class라는 단어와 매치됨을 의미한다. 따라서 no class at all의 class라는 단어와 매치됨을 확인할 수 있다.

>>> print(p.search('the declassified algorithm')) 
None

위 예의 the declassified algorithm 문자열 안에도 class 문자열이 포함되어 있긴 하지만 whitespace로 구분된 단어가 아니므로 매치되지 않는다.

\B

\\B 메타 문자는 \\b 메타 문자와 반대의 경우이다. 즉 whitespace로 구분된 단어가 아닌 경우에만 매치된다.

>>> p = re.compile(r'\\\\Bclass\\\\B') 
>>> print(p.search('no class at all')) 
None
>>> print(p.search('the declassified algorithm')) 
<re.Match object; span=(6, 11), match='class'>