Regular Expression
복잡한 문자열을 처리할 때 사용하는 기법으로, 문자열을 처리하는 모든 곳에서 사용
메타문자
[ ]
- 문자 클래스
[ ] 사이의 문자들과 매치- : 두 문자 사이의 범위^ : not
1
2
3
4
| 1. [abc] # a,b,c중 한개의 문자와 매칭
2. [a-c] # == [abc]
3. [a-zA-Z] # 모든 알파벳
4. [0-9] # 숫자
|
| re | content |
|---|
| \d | 숫자와 매치, [0-9] |
| \D | 숫자가 아닌 것과 매치, [^0-9] |
| \s | whitespace 문자와 매치, [ \t\n\r\f\v] |
| \S | whitespace 문자가 아닌것과 매치, [^ \t\n\r\f\v] |
| \w | 문자+숫자와 매치, [a-zA-Z0-9_] |
| \W | 문자+숫자가 아닌 것과 매치, [^a-zA-Z0-9_] |
.
- 줄바꿈 문자를 제외한 모든 문자
- 문자 클래스(
**[ ]**) 내에 Dot(**.**) 메타 문자가 사용된다면 이것은 “모든 문자"라는 의미가 아닌 문자 **.** 그대로를 의미
1
2
| 1. a.b # a + [모든 문자] + b
2. a[.]b # a.b
|
*, +, {m,n}
- 반복
* : 바로 앞에 있는 문자가 0부터 무한대로 반복될 수 있음+ : 바로 앞에 있는 문자가 1부터 무한대로 반복될 수 있음(최소 1번){m,n}: 바로 앞에 있는 문자가 m부터 n번까지 반복될 수 있음(최소 m번, 최대 n번)
1
2
3
4
| ca*t # ct, cat,caat,caaaat, ...
ca+t # cat, caat, caaat, ...
ca{2}t # caat
ca{2,4}t # caat, caaat, caaaat
|
?
|
^, $,\A,\Z
^: 문자열의 맨 처음과 일치, re.MULTILINE사용시 각 줄의 처음과 일치$: 문자열 맨 끝과 일치, re.MULTILINE사용시 각 줄의 끝과일치\A: 전체 문자열의 맨 처음과 일치\Z: 전체 문자열의 맨 끝과 일치
\b, \B
- 단어 구분자
\b: whitespace로 구분된 단어인 경우 매치\B: whitespace로 구분된 단어가 아닌 경우 매치
Grouping
| group(인덱스) | 설명 |
|---|
| group(0) | 매치된 전체 문자열 |
| group(1) | 첫 번째 그룹에 해당되는 문자열 |
| group(2) | 두 번째 그룹에 해당되는 문자열 |
| group(n) | n 번째 그룹에 해당되는 문자열 |
module re
- 파이썬을 설치할 때 자동으로 설치되는 기본 라이브러리
| Method | 목적 |
|---|
| 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. |
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
| # match, search: true면 객체 반환, false면 None 반환
print(p.match("python"))
print(p.match("3 python"))
print(p.search("python"))
print(p.search("3 python"))
>>>
<re.Match object; span=(0, 6), match='python'>
None
<re.Match object; span=(0, 6), match='python'>
<re.Match object; span=(2, 8), match='python'>
--------
# match 객체 활용
>>> m = p.match("python")
>>> m.group() # group: 매치된 문자열 반환
'python'
>>> m.start() # start: 매치된 문자열의 시작위치 반환
0
>>> m.end() # end: 매치된 문자열의 끝위치 반환
6
>>> m.span() # 매치된 문자열의 (시작, 끝) 반환
(0, 6)
|
1
2
3
4
5
6
7
8
9
10
| print(p.findall("life is too short"))
for r in p.finditer("life is too short"):
print(r)
>>>
['life', 'is', 'too', 'short']
<re.Match object; span=(0, 4), match='life'>
<re.Match object; span=(5, 7), match='is'>
<re.Match object; span=(8, 11), match='too'>
<re.Match object; span=(12, 17), match='short'>
|
컴파일 옵션
DOTALL(S) - . 이 줄바꿈 문자를 포함하여 모든 문자와 매치할 수 있도록 한다.
1
2
3
4
| >>> p = re.compile('a.b', re.DOTALL)
>>> m = p.match('a\nb')
>>> print(m)
<re.Match object; span=(0, 3), match='a\nb'>
|
IGNORECASE(I) - 대소문자에 관계없이 매치할 수 있도록 한다.
1
2
3
4
5
6
7
| >>> p = re.compile('[a-z]+', re.I)
>>> p.match('python')
<re.Match object; span=(0, 6), match='python'>
>>> p.match('Python')
<re.Match object; span=(0, 6), match='Python'>
>>> p.match('PYTHON')
<re.Match object; span=(0, 6), match='PYTHON'>
|
MULTILINE(M) - 여러줄과 매치할 수 있도록 한다. (^, $ 메타문자의 사용과 관계가 있는 옵션이다)
1
2
3
4
5
6
7
8
9
10
11
| 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))
>>> ['python one', 'python two', 'python three']
|
VERBOSE(X) - verbose 모드를 사용할 수 있도록 한다. (정규식을 보기 편하게 만들수 있고 주석등을 사용할 수 있게된다.)
1
2
3
4
5
6
7
8
9
| 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)
|
sub
1
2
3
4
| # [정규식].sub("바꿀 문자열", "대상 문자열")
>>> p = re.compile('(blue|white|red)')
>>> p.sub('colour', 'blue socks and red shoes')
'colour socks and colour shoes'
|