정규표현식1

02 May 2020 - 5 mins read time
Tags: Python TIL

정규표현식이란?

정규 표현식(Regular Expressions)는 복잡한 문자열을 처리할 때 사용하는 기법
파이썬 뿐만 아니라 문자열을 다루는 모든 곳에서 사용한다.

# 정규표현식을 사용하지 않았을 때 마스킹 방법
data = """
park 800905-1049118
kim  700905-1059119
"""

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] + "-" + "*"*7
        word_result.append(word)
    result.append(" ".join(word_result))
print("\n".join(result))

park 800905-*******
kim  700905-*******

# 정규표현식 사용하면 훨씬 간단히 작동하는 것을 볼 수 있다.
import re

data = """
park 800905-1049118
kim  700905-1059119
"""

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

park 800905-*******
kim  700905-*******

메타 문자

밑의 문자들은 메타 문자들로 원래 그 문자가 아닌 특별한 용도로 사용하는 문자

. ^ $ * + ? { } [ ] \

( )

문자 클래스 []

[] 사이의 문자들과 매치라는 의미를 가졌다

하이픈(-)을 사용하면 두 문자 사이의 범의를 의미한다.
[a-c]는 [abc]와 동일
[0-5]는 [012345]와 동일

^ 메타 문자를 사용할 경우에는 반대라는 의미를 갖는다

[자주 사용하는 문자 클래스]

\d - 숫자와 매치, 0-9와 동일 표현
\D - 숫자가 아닌 것과 매치, [^0-9]와 동일한 표현
\s - whitespace(공백) 문자와 매치, [ \t\n\r\f\v]와 동일한 표현식
\S - whitespace 문자가 아닌 것과 매치, [^ \t\n\r\f\v]와 동일한 표현식
\w - 문자+숫자와 매치, [a-zA-Z0-9_]와 동일한 표현식
\W - 문자+숫자가 아닌 문자와 매치, [^a-zA-Z0-9_]와 동일한 표현식

Dot(.)

\n을 제외한 모든 문자와 매칭됨

a.b

“a + 모든문자 + b”를 의미한다

a와 b라는 문자사이에 어떤 문자가 들어가도 모두 매치된다.

a[.]b

“a + Dot(.)문자 + b”를 의미한다.

반복(*)

*바로 앞에 있는 문자가 0부터 무한대로 반복될 수 있다는 의미이다.

cat = re.compile("ca*t")

#"a"가 0번 반복되어 매치
cat.match("ct")

<re.Match object; span=(0, 2), match='ct'>

#a가 0번 이상 반복되어 매치 (1번 반복)
cat.match("cat")

<re.Match object; span=(0, 3), match='cat'>

#a가 3번 이상 반복되어 매치 (3번 반복)
cat.match("caaat")

<re.Match object; span=(0, 5), match='caaat'>

반복 (+)

+는 최소 1번 이상 반복될 때 사용한다.

cat2 = re.compile("ca+t")

#a가 0번 반복되어 매치되지 않음
cat2.match("ct")

#a가 1번 이상 반복되어 매치 (1번 반복)
cat2.match("cat")

<re.Match object; span=(0, 3), match='cat'>

#a가 1번 이상 반복되어 매치 (3번 반복)
cat2.match("caaat")

<re.Match object; span=(0, 5), match='caaat'>

반복 ({m,n},?)

{m,n} 정규식을 사용하면 반복 횟수가 m부터 n까지 매치할 수 있다.
{3,} -> 반복 횟수가 3 이상인 겨우
{,3} -> 반복 횟수가 3 이하를 의미한다
생략된 m은 0과 동일하며, 생략된 n은 무한대(2억 개 미만)의 의미를 갖는다.

cat3 = re.compile("ca{2}t")

#a가 1번만 반복되어 매치되지 않음
cat3.match("cat")

#a가 2번 반복되어 매치
cat3.match("caat")

<re.Match object; span=(0, 4), match='caat'>

{m,n}

# c + a(2~5회 반복) + t
cat4 = re.compile("ca{2,5}t")

# a가 1번만 반복되어 매치도지 않음
cat4.match('cat')

#a가 2번 반복되어 매치
cat4.match('caat')

<re.Match object; span=(0, 4), match='caat'>

#a가 5번 반복되어 매치
cat4.match('caaaaat')

<re.Match object; span=(0, 7), match='caaaaat'>

반복은 아니지만 ?는 비슷한 개념이다. ? 메타문자가 의미하는 것은 {0,1}이다.

# a + b(있어도 되고 없어도 된다) + c
abc = re.compile("ab?c")

# b가 1번 사용되어 매치
abc.match('abc')

<re.Match object; span=(0, 3), match='abc'>

# b가 0번 사용되어 매치
abc.match('ac')

<re.Match object; span=(0, 2), match='ac'>