[python] Regular Expression(정규표현식) #Step2

정규표현식Regular expression) #step2

---

💢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

💢패턴에 매칭되는 모든 문자열 가져오기

• search() - 문서 내부(포함)의 패턴에 해당하는 첫번째 데이터 검색
• findall() - 문서 내부에 패턴에 해당하는 모든 데이터를 list 타입
• sub('패턴', '변경문자열', '문자열', 변경횟수) : 패턴과 일치되는 부분을 다른 문자로 변경
• split() : 주어진 문자열을 특정 패턴을 기준으로 분리

---

✅search()

코드

#? encore 9234 playdata 2345 .. 
# 2로 시작하는 4자리 문자 포함 여부 검증

data = re.search('2\d{3}', 'encore 9234 2222 playdata 2345 ..')
print(data)

결과값

<re.Match object; span=(12, 16), match='2222'>

search()는 2로 시작하는 4자리 숫자중 가장 앞에 있는 2222를 검색한다.

---

✅findall()

➰코드

import re
data = re.findall('2\d{3}', 'encore 9234 playdata 2345 ..gwg 2456')
print(data)
print(type(data))  # <class 'list'>

➰결과값

['2345', '2456']
<class 'list'>

findall은 조건에 해당하는 모든 것들을 리스트에 담아주는 역할을 수행한다. 타입을 찍어봤을때 list인것을 확인할 수 있다.

➰심화적용

파일안에 있는 글들은 읽고 데이터로 쭉 뽑아와 그안에서 내가 뽑고자 하는 것들을 뽑아보도록 하자

• dataSet/poem.txt 파일 내부의 데이터 중에서 "내가" 단어 존재여부 list로 만들기

➰코드

datas = []
with open('dataSet/poem.txt', 'r', encoding='utf-8') as f:
    datas = f.read() 

print(datas)

data = re.findall("내가", datas)
print(data, "내가 개수 :" , len(data))

➰결과값

(datas 라는 list 출력값)

내 속엔 내가 너무도 많아 당신의 쉴 곳 없네
내 속엔 헛된바램들로 당신의 편할 곳 없네
내 속엔 내가 어쩔 수 없는 어둠 당신의 쉴 자리를 뺏고
내 속엔 내가 이길 수 없는 슬픔 무성한 가시나무숲같네

바람만 불면 그 메마른가지 서로 부대끼며 울어대고
쉴곳을 찾아 지쳐 날아온 어린새들도 가시에 찔려 날아가고
바람만 불면 외롭고 또 괴로워 슬픈 노래를 부르던 날이 많았는데

내 속엔 내가 너무도 많아서 당신의 쉴 곳 없네

바람만 불면 그 메마른가지 서로 부대끼며 울어대고
쉴곳을 찾아 지쳐 날아온 어린새들도 가시에 찔려 날아가고
바람만 불면 외롭고 또 괴로워 슬픈 노래를 부르던 날이 많았는데

내 속엔 내가 너무도 많아서 당신의 쉴 곳 없네

data출력값

['내가', '내가', '내가', '내가', '내가'] 내가 개수 : 5

---

✅split()

➰코드

data = re.split('2\d{3}', 'encore 9234 playdata 2345 data 2456 test')
print(data)
print(type(data)) 

➰결과값

['encore 9234 playdata ', ' data ', ' test']
<class 'list'>

split()은 정규표현식에 해당하는 것들은 기준으로 데이터들을 쪼개서 list화 시켜주는다는 것을 알 수 있다.
2로 시작하는 4자리 숫자들을 기준으로 데이터들이 쪼개져 list타입의 data가 뽑힌것을 알 수 있다.

---

✅sub()

sub('정규표현식', '바꾸고자 하는 형태', 바꾸고자 하는 데이터)

➰코드

data = re.sub('2\d{3}', '100', 'encore 9234 playdata 2345 data 2456 test')
print(data)

data = re.sub( '[0-9]', 'n', 'encore 9234 playdata 2345 data 26 test')
print(data)

data = re.sub( 'apple | orange', '과일', 'apple 9234 orange 2345 data 26 test')
print(data)

➰결과값

encore 9234 playdata 100 data 100 test

encore nnnn playdata nnnn data nn test

과일9234과일 2345 data 26 test

➰sub() 적용 단계

• 첫 번째 파라미터에 적용시키고자하는 정규표현식 작성
• 두 번째 파라미터에 내가 바꾸고자 하는 형태를 작성
• 세 번째 파라미터에 바꾸고자 하는데이터 기입

그루핑

abc를 반복 시키고 싶은 경우가 있다고 하자. abc+ 이렇게 할경우 +의 효과가 c의만 적용되게 된다. 이럴때 ()를 사용하여 abc를 (abc)+형태로 그룹화 시켜주면 된다.

➰코드

>>> p = re.compile('(abc)+')
>>> m = p.search('abcabcabc OK?')
>>> print(m)
<re.Match object; span=(0, 9), match='abcabcabc'>
>>> print(m.group())
abcabcabc

다음예를 보자

➰코드

>>> p = re.compile(r"\w+\s+\d+[-]\d+[-]\d+")
>>> m = p.search("park 010-1234-1234")

위에는 이름 + " " + 전화번호 형태의 문자열을 찾는 규칙이다.
이름만 뽑아개고 싶을때 아래와 같이 할 수 있다.

➰코드

>>> p = re.compile(r"(\w+)\s+\d+[-]\d+[-]\d+")
>>> m = p.search("park 010-1234-1234")
>>> print(m.group(1))
park

\w+ 부분을 (\w+)로 그룹화 시킨후 첫번째로 그룹화 된 부분이기 때문에 group(1)을 하면 이름 부분만 뽑아 올 수 있다.

group(인덱스)	설명
group(0)	매치된 전체 문자열
group(1)	첫번째 매치된 전체 문자열
group(2)	두번째 매치된 전체 문자열
group(n)	매치된 전체 문자열

그루핑은 중첩으로도 가능하며 안에 인덱스 값은 밖 에서 안으로 갈 때 인덱스는 증가한다

➰코드

>>> p = re.compile(r"(\w+)\s+((\d+)[-]\d+[-]\d+)")
>>> m = p.search("김지명 010-6614-1234")
>>> print(m.group(1))
>>> print(m.group(2))
>>> print(m.group(3))

➰결과값

김지명
010-6614-1234
010

💢그루핑 활용

✅재참조

그루핑의 또 하나 좋은점은 문자열을 재참조 할 수 있다는 점이다.

import re

p = re.compile(r'(\b\w+)\s+\1')  
print(p.search('Korean in in the Asia').group())
>>> in in

저기서 숫자는 앞에 그루핑되어있는(\b\w+)를 의미하고 공백뒤에 동일한 문자가 올 때 찾아주는 것을 의미한다

✅이름붙이기

(?P<name>\w+)\s+((\d+)[-]\d+[-]\d+)

위에 코드와 같은 형태로 우리는 특정한 그룹에 이름을 지정할 수가 있다.
위에서 사용했던 것을 그대로 가져와 적용 시켜보자

import re
p = re.compile(r"(?P<name>\w+)\s+(?P<phone>(\d+)[-]\d+[-]\d+)")
m = p.search("김지명 010-6614-1234")
print(m.group("name"))
print(m.group("phone"))

>>> 김지명
>>> 010-6614-1234

✅이름 붙혀서 재참조

import re

p = re.compile(r'(?P<word>\b\w+)\s+(?P=word)')  
print(p.search('Korean in in the Asia').group())

위에서 학습했던 이름붙이기와 재참조를 결합하여 특정한 그룹에 이름을 주고 그 이름을 이용하여 재참조를 한 코드이다

💢전후방탐색

---

전후방 탐색이란 원하는 뭔자열을 범위를 지정해 뽑아내는것을 의미한다

• 전방탐색
  • 긍정형
  • data = re.search('.+(?=:)', 'http://www.google.com') print(data.group()) >>>http
  • 부정형위 코드는 foo.bar, autoexec.bat, sendmail.cf와 같은 파일이름 + . + 확장자를 나타내는 정규식이다. 여기서 확장자가 bat인 파일은 제외해야 할 경우 어떤식으로 할 수 있을까??!를 사용하여 bat확장자를 처리 할 수 있다. bar도 포함시키고 싶을때는 bat|bar 이런식으로 사용할 수 있다.
  • .*[.](?!bat$)
  • .*[.].*$
• 후방탐색
• 말 그대로 특정한 문자열을 지정하면 그 뒤에 있는 값들을 뽑아낼 수 있다.

data = re.search('(?<=//).+', 'http://www.google.com')
print(data.group())
>>> www.google.com

참고자료 영상:https://www.youtube.com/watch?v=dTDoTR0MXjU&list=RDCMUCQNE2JmbasNYbjGAcuBiRRg&start_radio=1&rv=dTDoTR0MXjU&t=4)
참고자료: https://wikidocs.net/4309