[Python] Regular Expression | 정규 표현식

Regular Expression

 

정규 표현식

 

 

 

* Module re (Regular Expression Operations) (URL)

 

re — Regular expression operations — Python 3.10.5 documentation

 

- 정규 표현식은 임포트 할 수 있는 표준 모듈 re로 제공한다.
- 원하는 문자열 패턴을 정의하여, 소스 문자열과의 일치 여부를 판단한다.

# 일반형
import re
re.match(pattern, source)

# 패턴 확인을 빠르게 하기 위해, 패턴을 먼저 컴파일하는 방법
import re
A = re.compile(pattern)
B = A.match(source)

# 사용 예시 (1)
result = re.match('You', 'Young Frankenstein')
# 'You'는 패턴, 'Young Frankenstein'은 확인하고자 하는 문자열 소스


# 사용 예시 (2)
youpattern = re.compile('You')
result = youpattern.match('Young Frankenstein')

 

---

Special Characters (특수 문자)

 

Special Character	Description
.	- newline을 제외한 모든 문자에 매칭된다. - DOTALL Flag가 설정되면, newline문자를 포함한 모든 문자에 매칭된다.
^	- 문자열의 시작부분에 매칭된다. - MULTILINE Flag가 설정되면, 각각의 newline에서의 문자열 시작부분에 매칭된다.
$	- 문자열의 끝부분 또는 newline 바로 이전 부분에 매칭된다. - MULTILINE Flag가 설정되면, newline 바로 이전 부분에 매칭된다.
*	- 0개 이상의 반복되는 부분에 매칭된다.
+	- 1개 이상의 반복되는 부분에 매칭된다.
?	- 0회 또는 1회 반복되는 부분에 매칭된다.
*? +? ??	- 가능한한, 많은 문자에 매칭된다. (Greedy)
{m}	- 정확히 m회 반복되는 부분에 매칭된다.
{m, n}	- m회 이상, n회 이하 반복되는 부분에 매칭되는데,   가능한한 많은 횟수의 반복에 우선적으로 매칭된다. (Greedy)
{m, n}?	- m회 이상, n회 이하 반복되는 부분에 매칭되는데,   가능한한 적은 횟수의 반복에 우선적으로 매칭된다. (Non-Greedy)
\	- Escape Special Sequence를 표현하고자 하는 경우, \를 앞에 붙인다. - Escape Special Sequence는 '*' 문자, '?' 문자와 같이,   re 모듈에서 특수 기능으로 사용되는 문자를 의미한다.
[<char-set>]	- 1개 이상의 문자로 구성된 <char-set>의 각각의 문자에 매칭된다. ex) [amk]의 경우, 문자 'a' 또는 'm' 또는 'k'에 매칭된다.
[<start>-<end>]	- <start> 문자 이상, <end> 문자 이하의 문자에 매칭된다. ex) [a-z]의 경우, 영문 소문자 1글자('a'~'z')에 매칭된다. ex) [0-9]의 경우, 숫자 1글자('0'~'9')에 매칭된다. (10진법수) ex) [0-5][0-9]의 경우, '00'에서 '59'에 매칭된다. (60진법수) ex) [0-9A-Fa-f]의 경우, '0'에서 'F'('f')에 매칭된다. (16진수)
[<escape-special-sequence>]	- Escape Special Sequence는 대괄호([ ]) 내에서는 기능이 상실된다. - 대괄호([ ])내에서 '[' 를 표현하고자 하는 경우, 그냥 '['를 기술하면 된다. - 대괄호([ ])내에서 ']' 를 표현하고자 하는 경우,   '\]' 또는 ']'를 대괄호([ ])내에서 가장 앞에 위치시킨다. ex) [(+*)]는 Literal Character '(', '+', '*', ')' 에 매칭된다. ex) [()[\]{}]는 '(', ')', '[', ']', '{', '}'에 매칭된다. ex) []()[{}]는 '(', ')', '[', ']', '{', '}'에 매칭된다.
[^<char>]	- <char> 문자를 제외한 모든 문자에 매칭된다. (Complementing; 여집합)
<re1>|<re2>	- 정규 표현식 <re1> 또는 정규 표현식 <re2>에 매칭된다. - <re1>의 매칭을 먼저 탐색한다. - <re1>과 <re2>에 모두 매칭될 경우, <re1>에 대한 매칭결과만 반환된다.   (Non-Greedy)
(...)	- 소괄호(( ))내에 위치하는 정규 표현식에 매칭된다. - 소괄호(( )) 표현식의 결과는 \number Sequence를 통해 각각의 결과에 접근할 수 있다. - '('를 표현하고자 하는 경우, \(로 표현하거나 [(]로 표현한다. - ')'를 표현하고자 하는 경우, \)로 표현하거나 [)]로 표현한다.
(?...)
(?aiLmsux)
(?:...)
(?aiLmsux-imsx:...)
(?P<name>...)
(?P=name)
(?#...)
(?=...)
(?!...)
(?<=...)
(?<!...)
(?(id/name)yes-pattern|no-pattern)

 

---

Special Sequences (특수 시퀀스)

 

Special Sequence	Description
\number
\A
\b
\B
\d
\D
\s
\S
\w
\W
\Z
\u
\U
\N
\N{name}

 

 

---

re Module Flags

 

Flag	Description
re.A
re.ASCII
re.DEBUG
re.I
re.IGNORECASE
re.L
re.LOCALE
re.M
re.MULTILINE
re.S
re.DOTALL
re.X
re.VERBOSE

 

---

re Module Functions

 

Function	Description
re.compile(pattern, flags=0)
re.search(pattern, string, flags=0)
re.match(pattern, string, flags=0)
re.fullmatch(pattern, string, flags=0)
re.split(pattern, string, maxsplit=0, flags=0)
re.findall(pattern, string, flags=0)
re.finditer(pattern, string, flags=0)
re.sub(pattern, repl, string, count=0, flags=0)
re.subn(pattern, repl, string, count=0, flags=0)
re.escape(pattern)
re.purge()
re.error(msg, pattern=None, pos=None)

 

---

re Module Exceptions

 

Exception	Description
msg
pattern
pos
lineno
colno

 

---

Regular Expression Objects

 

Object	Description
Pattern.search(string[, pos[, endpos]])
Pattern.match(string[, pos[, endpos]])
Pattern.fullmatch(string[, pos[, endpos]])
Pattern.split(string, maxsplit=0)
Pattern.findall(string[, pos[, endpos]])
Pattern.finditer(string[, pos[, endpos]])
Pattern.sub(repl, string, count=0)
Pattern.subn(repl, string, count=0)
Pattern.flags
Pattern.groups
Pattern.groupindex
Pattern.pattern
Match.expand(template)
Match.group([group1, ...])
Match.__getitem__(g)
Match.groups(default=None)
Match.groupdict(default=None)
Match.start([group])
Match.end([group])
Match.span([group])
Match.pos
Match.endpos
Match.lastindex
Match.lastgroup
Match.re
Match.string

 

 

 

 

- match() : 소스와 패턴의 일치 여부를 확인한다.

- match(pattern, source) : 패턴이 소스에 처음에 있는지를 확인한다.
- search(pattern, source) : 첫 번째 일치하는 객체를 반환한다. (패턴의 위치는 관계없음)
- findall(pattern, source) : 중첩에 상관없이 모두 일치하는 문자열 리스트를 반환한다.
- split(pattern, source) : 패턴에 맞게 소스를 쪼갠 후, 문자열 조각의 리스트를 반환한다.
- sub(pattern, substitute source) : 대체 인자를 하나 더 받아서, 패턴과 일치하는 모든 소스 부분을 대체 인자로 변경한다.
- split(pattern, source) : 패턴으로 문자열을 리스트로 나누어 리턴한다.
- group() : 매칭 결과를 리턴한다.
- groups() : 매칭 결과를 튜플로 리턴한다.

- start() : 일치하는 문자열의 시작 index

- end() : 일치하는 문자열의 끝 index

- span() : 일치하는 문자열의 시작과 끝 index

 

import re
source = 'Young Frankenstein'
m = re.match('You', source)
if m:
    print(m.group(0)    # You가 출력됨
    
m = re.match('^You', source)  # 문자열이 You로 시작되는지 확인
if m:
    print(m.group())    # You가 출력됨
    
m = re.match('Frank', source)
if m:
    print(m.group())    # 아무것도 출력되지 않음

와일드 카드
. = 한 문자를 의미
? = 0 또는 한 개의 문자를 의미
* = 이전 패턴이 여러 개(0회 이상) 올 수 있다는 것을 의미한다.

source = 'Young Frankenstein'
m = re.findall('n.', source)    # m에 ['ng', 'nk', 'ns']가 저장됨

특수 문자
- 리터럴은 모든 비특수 문자와 일치한다.
- \n을 제외한 하나의 문자는 . (dot) 이다.
- 0회 이상은 * 로 표현한다.
- 0 또는 1회는 ? 로 표현한다

패턴	\d	\D	\w	\W	\s	\S	\b	\B
일치	숫자	비숫자	알파벳 문자	비알파벳 문자	공백 문자	비공백 문자	단어 경계*	비단어 경계

* 단어 경계 : \w와 \W 또는 \W와 \w 사이의 경계

string 모듈
- 테스트에 사용할 수 있는 문자열 상수가 미리 정의되어 있는 모듈이다.
- string.printable을 이용해 알파벳 대/소문자, 숫자, 공백 문자, 구두점을 포함한 100가지 아스키 문자를 출력한다.

Pattern Specifier (패턴 지정자)
- expr : 유효한 정규표현식 (표현식)
- prev : 이전 토큰
- next : 다음 토큰

패턴	일치	패턴	일치
abc	리터럴 abc	prev {m}	m회의 prev
(expr)	expr	prev {m, n}	m에서 n회의 최대 prev
expr1 | expr2	expr1 또는 expr2	prev {m, n}?	m에서 n회의 최소 prev
.	\n을 제외한 모든 문자	[abc]	a 또는 b 또는 c (a|b|c와 같음)
^expr	소스 문자열의 시작 (Anchor)	[^abc]	(a 또는 b 또는 c) 가 아님
expr$	소스 문자열의 끝 (Anchor)	prev (?=next)	뒤에 next가 오면 prev
prev ?	0 또는 1회의 prev	prev (?!next)	뒤에 next가 오지 않으면 prev
prev*	0회 이상의 최대 prev	(?<=prev) next	전에 prev가 오면 next
prev*?	0회 이상의 최소 prev	(?<!prev) next	전에 prev가 오지 않으면 next
prev+	1회 이상의 최대 prev
prev+?	1회 이상의 최소 prev

 

re.findall('wish|fish', source)   # 소스에서 wish 또는 fish를 모두 찾는다.
re.findall('^wish', source) # 소스가 wish로 시작하는지 찾는다.

- ^와 $는 Anchor라 부른다.
- ^는 검색 문자열의 시작 위치에 고정한다.
- $는 검색 문자열의 마지막 위치에 고정한다.
( .$ 는 가장 마지막에 있는 한 문자와 .를 매칭 한다. 더 정확하게 하려면 문자 그대로 매칭 하기 위해 .에 이스케이프 문자(백 슬래쉬)를 붙여야 한다 = \.$)

- 파이썬의 문자열 규칙과 정규표현식 패턴이 충돌하는 것을 방지하기 위해, 정규 표현식 패턴을 Raw String으로 표현한다.

re.findall(r'\bfish', source)   # 본래 파이썬에서 \b는 백스페이스를 의미한다.