[python] Regular Expression(정규표현식) #Step1

💢정규표현식Regular expression) #step1

---

정규표현식이란??

• 복잡한 문자열을 처리할 때 사용하는 기법으로, 파이썬만의 문법이 아니라 문자열을 처리하는 모든 곳에서 사용한다. 밑에서 정규표현식이 왜 필요한지 살펴 보도록 하자!

❓왜 정규 표현식을 사용할까?

예를 들어 주민등록번호 번호 형태(ex)111111-1111111))로 있을때 보안상 뒤에있는 7자리를 *로 처리하고 싶을 때를 생각해보자. 정규 표현식을 모를 경우 아래와 같이 구현을 해야 한다.

📜일반적 코드

data = """
park 111111-1111111
kim  222222-2222222
"""

result = []
for line in data.split("\n"):
    word_result = []
    for word in line.split(" "):
        if len(word) == 14 and word[:6].isdigit() and word[7:].isdigit():
            word = word[:6] + "-" + "*******"
        word_result.append(word)
    result.append(" ".join(word_result))
print("\n".join(result))

📄출력값

park 111111-*******
kim  222222-*******

정규식을 모를 경우 저렇게 긴 코드를 작성해야 하지만 알 경우 훨씬 간편하게 구현을 할 수 있다 아래와 같은 코드를 봐보도록 하자

📜정규표현식 코드

import re #정규표현식 라이브러리 호출

data = """
park 111111-*******
kim  222222-*******
"""

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

📄출력값

park 111111-*******
kim  222222-*******

그럼이제 정규표현식에는 어떤 문자들을 사용해 내가 원하는 형태로 만들고 바꿀 수 있는지 알아보도록 하자

🔑자주사용되는 문자

---

의미	내용
.	임의의 한문자를 의미
?	문자가 존재하거나 존재하지 않음(0,1)
*	문자가 미존재 또는 무한대로 존재(0~)
+	문자가 한번 이상 무조건 존재(1~*)
^	기호 바로 뒤의 문자로 문자열이 시작
$	기호 바로 앞의 문자로 문자열이 끝남
{m}	m만큼 반복
{m, n}	m~n만큼 반복 가능
\\	역슬래쉬ㅜ 글자 자체를 검색
\d	모든 숫자를 검색, [0-9]와 동일
\D	[^0-9]와 동일, 숫자를 제외한 모든 문자를 검색
\s	공백을 검색(space)
\S	공백이 아닌 문자를 검색
\w	숫자 또는 문자를 검색[a-zA-Z0-9] word를 표현하며
\W	알파벳, 숫자가 아닌 문자를 의미[^a-zA-Z0-9]
\b	문자와 공백 사이의 문자를 의미
\B	문자와 공백 사이가 아닌 문자를 의미
\d	digit의 약자로 숫자를 의미
\D	non digit를 표현하며 숫자가 아닌 것을 의미

위 테이블의 문자열들이 어떤 역할을 하는지 인지한 상태에서 코드로 어떻게 구현되는지 확인해 보도록 하자.

정규식과 문자열 매치여부 확인연습

✅Dot(.)
a.b
위 정규식 의미는 "a + 모든 문자 + b"라고 이해를 하면 된다
즉 a와 b라는 문자 사이에 어떤 문자가 들어가도 모두 매치된다.

정규식	문자열	Match 여부	설명
a.b	aab	Yes	a와 b 사이에 문자열이 존재
a.b	a0b	Yes	a와 b 사이에 문자열이 존재
a.b	abc	Yes	a와 b 사이에 문자열이 존재X

※ .를 임의의 문자로 인식하는게 아니라 .그대로를 의미하고 싶을때 a[.]b 사용

---

✅반복(*)

*는 앞에 문자가 0번부터 무한대까지 반복을 의미하므로 앞에 문자가 있어도 없어도 크게 상관없다.

정규식	문자열	Match 여부	설명
ca*r	cr	Yes	"a가 0번 반복되어 매치"
ca*r	car	Yes	a가 1번 반복되어 매치
ca*r	caaar	Yes	a가 3번 반복되어 매치

---

✅반복(+)

+는 앞에 문자가 최소 1번부터 무한대까지 반복을 의미한다.

정규식	문자열	Match 여부	설명
ca*r	cr	No	"a가 0번 반복되어 매치X"
ca*r	car	Yes	a가 1번 반복되어 매치
ca*r	caaar	Yes	a가 3번 반복되어 매치

---

✅반복({m,n})
{}안에 숫자가 하나면 무조건 그 수만큼 반복을 해야하고 m, n으로 주어지면 그 사이 안에서 반복해야 함을 의미한다.

✅m만 있을 경우

정규식	문자열	Match 여부	설명
ca{2}r	car	No	"a가 1번 반복되어 매치X"
ca{2}r	caar	Yes	a가 2번 반복되어 매치

✅m, n이 주어질 경우

정규식	문자열	Match 여부	설명
ca{2,5}r	car	No	"a가 1번 반복되어 매치X"
ca{2,5}	caar	Yes	a가 2번 반복되어 매치
ca{2,5}	caaaaar	Yes	a가 5번 반복되어 매치

---

✅임의의 한문자(?)
?는 0혹은 1을 의미

정규식	문자열	Match 여부	설명
a?	a	Yes	"a가 1번 있으므로 매치"
a?	b	Yes	a가 0번이지만 매치

---

✅특정문자 범위(^)
^[]일 경우: 기호뒤에 있는 문자열로 시작해야 함을 의미
[^]일 경우: 기호뒤에 있는 문자열로 시작하면 안됨을 의미

정규식	문자열	Match 여부	설명
^[A-Z]	Hello	Yes	대문자로 시작했으므로 매치
^[A-Z]	hEllo	No	소문자로 시작했으므로 매치X
[^A-Z]	Hello	No	소문자로 시작했으므로 매치X
[^A-Z]	hEllo	Yes	소문자로 시작했으므로 매치

---

✅특점 범위로 끝나는지 여부($)

특정 문자(숫자) 범위로 끝나느지 여부 판단하기 위해 사용
1.[범위]$ 와 2.[범위]+$식으로 사용

정규식	문자열	Match 여부	설명
[0-9]+	test01	Yes	숫자가 포함되어 있으므로 매치"
[0-9]+	t13est01	Yes	숫자가 포함되어 있으므로 매치"
[0-9]+	2tes05t	Yes	숫자가 포함되어 있으므로 매치"
[0-9]+$	test01	Yes	숫자로 끝이 났으므로 매치"
[0-9]+$	t13est0	Yes	숫자로 끝이 났으므로 매치"
[0-9]+$	2test	No	숫자로 끝이 나지 않았으므로 매치X"
___

✅특수 문자 판단하기

• 정규표현식에 사용하는 특수문자(*, +, ?, .,^, $, (,), [,], -) 등을 판단하려면 특수 문자를 판단할 때는 특수 문자 앞에/ 표현

📜코드

# * : 0~ 무한대의 반복 횟수
# \* : * 표현의 데이터를 의미

# * 표현이 한번 이상 무한대 포함 되어야만 유효한 문자열로 검증
print(re.search('\*+', 'aa'))  # None
print(re.search('\*+', 'a*a'))
print(re.search('\*+', 'a***a'))
print(re.search('\*+', 'a'))   # None
print(re.search('\*+', '**'))

📄결과값

None
<re.Match object; span=(1, 2), match='*'>
<re.Match object; span=(1, 4), match='***'>
None
<re.Match object; span=(0, 2), match='**'>

---

✅띄어쓰기 구분하기( \b / \B )

• \b: 단어 구분이다면 보통 whitespace에 의해 구분된다.

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

위에 상황을 보면 class를 기준으로 앞뒤에 공백에 있는 것이 \bclass\b와 일치하므로 매치가 될 수 있다.

반면에 아래와 같은 경우는 앞뒤에 무언가 붙어있으므로 매치가 될 수 없다.

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

>>> print(p.search('one subclass is'))
None

• \B: \b와 반대되는 경우로 whitespace로 구분된 단어가 아닌 경우에 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'>
>>> print(p.search('one subclass is'))
None

\B같은 경우에 앞뒤에 한곳이라 whitespace가 존재할 경우 매치가 안되는 것을 알 수 있다.

*참고 사이트 및 교재: 점프투 파이썬
영상 : (https://www.youtube.com/watch?v=dTDoTR0MXjU&list=RDCMUCQNE2JmbasNYbjGAcuBiRRg&start_radio=1&rv=dTDoTR0MXjU&t=4)
참고자료: https://wikidocs.net/4309