정규표현식

정규표현식

파이썬의 정규식(Regular Expressions)

• 정규식은 특정한 규칙을 가진 문자열의 집합을 표현하는데 사용하는 형식언어를 말한다.

• 주어진 패턴으로 문자열을 검색 및 치환하는 데 사용

• 정규표현식을 위하여 re모듈을 사용

메타문자	설명
.	개행 문자를 제외한 문자 1자와 매치됨. <br />re.DOTALL이 설정되어 있으면, 개행을 포함한 문자 1자를 나타냄.
^	문자열의 시작과 매치됨<br />re.MULTILINE이 설정되어 있으면 매라인 마다 매치됨.
$	문자열의 마지막과 매치됨<br />re.MULTILINE이 설정되어 있으면 매라인 마다 매치됨.
[]	문자의 집합을 나타냄<br />[abcd]의 경우 'a', 'b', 'c', 'd' 중 한 문자와 매치됨.
\|	'A\|B'와 같은 경우 'A' 혹은 'B'를 나타냄(OR연산)
()	괄호 안의 정규식으로 그룹을 만듦.<br />직접'(', ')'(괄호)를 매치시키기 위하여 '\\(', '\\)'나 '[(]','[)]'로 나타냄.
*	문자가 0회 이상 반복됨을 나타냄
+	문자가 1회 이상 반복됨을 나타냄
?	문자가 0회 혹은 1회 반복됨을 나타냄
{m}	문자가 m회 반복됨을 나타냄
{m,n}	문자가 m회 부터 n회 까지 반복되는 모든 경우를 나타냄
{m,}	문자가 m회 부터 무한 반복되는 모든 경우를 나타냄

'bana.a' -> abanana, bananna, bana!a, bana a ...
'^banana' -> banana1, banana2, banana   abc ...
'banan[a-z]' -> banana, bananb, ... , bananz

re 모듈

함수명	설명
re.search(pattern, string[,flags])	string전체에 대해서 pattern이 존재하는지 검사하여 MatchObject인스턴스를 반환
re.match(pattern, string[,flags])	string시작부분부터 pattern이 존재하는지 검사하여 MatchObject인스턴스를 반환
re.split(pattern, string[,maxsplit=0])	pattern을 구분자로 string을 분리하여 리스트로 반환
re.findall(pattern, string[,flags])	string에서 pattern과 매치되는 모든 경우를 찾아 리스트로 반환
re.finditer(pattern, string[,flags])	string에서 pattern과 일치하는 결과에 대한 이터레이터 객체를 반환
re.sub(pattern, repl, string[,count])	string에서 pattern과 일치하는 부분에 대하여 repl로 교체하여 결과 문자열을 반환함
re.subn(pattern, repl, string[,count])	re.sub()함수와 동일하게 동작하나, 결과(결과문,매칭횟수)를 튜플로 반환
re.escape(string)	영문자, 숫자가 아닌 문자에 대하여 백슬러시 문자를 추가함.메타문자를 포함한 문자열을 정규식으로 변경할수 있음.
re.compile(pattern,[flags])	pattern을 컴파일하여 '정규표현식 객체(regular expression object)'를 반환함

re 모듈 함수 ( match, search )

• match 객체

• match() 와 search() 의 수행 결과로 생성

메소드	내용
group([group1,...])	입력받은 인덱스에 해당하는 매칭된 문자열 결과의 부분 집합을 반환인덱스가 '0'이거나 입력되지 않은 경우 전체 매칭문자열을 반환
groups()	매칭된 결과를 튜플형태로 반환
groupdict()	이름이 붙어진 매칭결과를 사전형태로 반환
start([group])	매칭된 결과 문자열의 시작 인덱스를 반환인자로 부분 집합의 번호나 명시된 이름이 전달된 경우,그에 해당하는 시작 인덱스를 반환
end([group])	매칭된 결과 문자열의 종료 인덱스를 반환인자로 부분 집합의 번호나 명시된 이름이 전달된 경우,그에 해당하는 종료인덱스를 반환

 

속성	내용
pos	원본 문자열에서 검색을 시작하는 위치
endpos	원본 문자열에서 검색을 종료하는 위치
lastindex	매칭된 결과 집합에서 마지막 인덱스 번호를 반환일치된 결과가 없는 경우 None을 반환
lastgroup	매칭된 결과 집합에서 마지막으로 일치한 이름을 반환정규식의 매칭조건에 이름이 지정되지 않았거나일치된 결과가 없는 경우에는 None을 반환
string	매칭의 대상이 되는 원본문자열

 

import re
m_str = 'matches the start of a string.'
print(re.search('.', '\n'))
print(re.search('.', m_str))
m = re.match('[a-z]+', m_str)
print(m.group())
r = re.search('[a-z]+', m_str)
print(r.group())

import re
str = '!wow, so hot'
m = re.match('[a-z]+', str)
print(m)
r = re.search('[a-z]+', str)
print(r.group())

•  

  이스케이프 문자열

   

종류	설명
\W	유니코드인 경우 숫자, 밑줄과 표현 가능한 문자를 제외한 나머지 문자,아스키코드인 경우 '[^a-zA-Z0-9_]'와 동일함
\d	유니코드인 경우 [0-9]를 포함하는 모든 숫자임.아스키코드인 경우 [0-9]와 동일함
\D	유니코드인 경우 숫자를 제외한 모든 문자아스키코드인경우 [^0-9]와 동일함
\s	유니코드인경우 [\t\n\r\f\v]를 포함하는 공백문자아스키코드인경우 [\t\n\r\f\v]와 동일함
\S	유니코드인 경우 공백문자를 제외한 모든 문자아스키코드인경우 [^\t\n\r\f\v]와 동일함
\b	단어의 시작과 끝의 빈공백
\B	단어의 시작과 끝이 아닌 빈공백
\\	역슬래시(\) 문자 자체를 의미
\[숫자]	지정된 숫자만큼 일치하는 문자열을 의미
\A	문자열의 시작
\Z	문자열의 끝
\w	유니코드인 경우 숫자, 밑줄(underscore, '_')를 포함하는 모든 언어의 표현 가능한 문자,아스키코드인 경우 '[a-zA-Z0-9_]'와 동일함

# \ 로 시작하는 아무 문자 찾기
import re
r = bool(re.search('\\\\\w+', '\\banana'))
print(r)
# 앞에 r 을 쓰면 그 뒤는 모두 문자로 인식
r1 = bool(re.search(r'\\\w+', r'\banana'))
print(r1)

import re
a = re.search(r'\d+', 'abcd0123efgh')
print(a)
print(a.group())
print(a.start(), a.end())

re 모듈 함수 ( findall, sub )

• findall

•  

  패턴과 매칭되는 모든 경우를 찾아 리스트로 리턴

   

import re
# * , + 의 차이
res = re.findall('a\w*', 'application a orange apple banana')
res1 = re.findall('a\w+', 'application a orange apple banana')
print(res)
print(res1)

• sub

•  

  패턴과 일치하는 문자열을 변경

   

import re
# 형식을 변경
res = re.sub('-', ',', '123-456-789')
print(res)
# 구분자 통일
res1 = re.sub(r'[:|]', ',','a:b|c')
print(res1)
# 변경회수 제한
res2 = re.sub('[:,|\s]','_','one:two three/four',2)
print(res2)

re.compile(pattern, [flags])

• 자주 사용하는 패턴을 등록해서 사용

클래스	설명
re.I(대문자 아이)re.IGNORECASE	대소문자를 구분하지 않고 매칭작업을 수행
re.Mre.MULTILINE	문자열이 여러줄인경우, 이 플래그가 설정되면'^'는 각 행의 처음을 나타내고'$'는 각 행의 마지막을 나타냄기본값은 '^'는 문자열의 첫행의 처음을,'$'는 마지막행의 마지막만을 나타냄
re.Sre.DOTALL	이 플래그가 설정되면 개행 문자도 '.'으로 매칭됨기본값은 '.'은 개행문자와 매칭되지 않는다.
re.Xre.VERBOSE	정규표현식을 보기 쉽게 작성할수 있다.정규표현식에서 '#'으로 시작하는 파이썬 주석과 빈 공백은 무시된다.빈 공백을 표현하기 위해서는 '\ '으로 표현해야 한다.
re.Are.ASCII	이 플래그가 설정되면 '\w, '\W', '\b', '\B', '\s', '\S'는 유니코드대신에 아스키코드만 매칭됨
re.Lre.LOCALE	이 플래그가 설정되면 '\w, '\W', '\b', '\B', '\s', '\S' 는 현재 로케일 설정을 따른다.파이썬3버전부터 기본적으로 유니코드가 사용되기 때문에 자주 사용되지는 않는다.

import re
s = ('grape orange apple banana GRAPE')
c = re.compile('grape',re.I) # 대소문자 구분하지 않음
print(c)
res = c.findall(s)
print(res)

import re
c = re.compile(r'app\w*') # 패턴 등록
res = c.findall('application  orange apple banana') # 검색
print(res)
pat = re.compile(r'\w+') # 패턴등록
res1 = pat.findall('puppy duck  cat') # 검색
print(res1)

# 문자와 숫자 사이에 공백이 있는 패턴 검색
# 괄호로 묶여 있어서 각각 튜플의 원소로 출력
pat = re.compile(r'(\w+)\s+(\d+)') # 패턴등록
res2 = pat.findall('puppy 10  duck 20  cat 30') # 검색
print(res2)

import re
# 숫자-숫자-숫자 패턴 검색
p = re.compile(r'(\d+)-(\d+)-(\d+)')
a = p.search('2018-12-25')
result = a.groups()
print('result : {}'.format(result))
# 그룹을 각각 나누어 리턴
year, month, day = a.groups()
print('year: {}, month: {}, day: {}'.format(year, month, day))
print(a.group(1), a.group(2), a.group(3))

•  

  정규식 확장 기법

   

표기법	설명
(? : ...)	정규 표현식을 그룹화하여 일치하는 문자열 제외
(? =...)	정규 표현식 위치 지정
(?! ...)	정규 표현식의 부정에 의한 위치 지정
(? P \<name> ...)	그룹 이름 name을 지정
(? P = name)	그룹 name을 지정해서 참조

import re
p = re.compile(r'(\w+)\s+(\w+)\s+(\w+)')
a = p.search('abc def ghi')
print(a)
# 그룹화 하지만 ?: 가 있는 문자열은 저장하지 않는다.
p = re.compile(r'(\w+)\s+(?:\w+)\s+(\w+)')
a = p.search( 'abc def ghi')
print(a)

import re
# 패턴 문자열의 이름을 지정
p = re.compile(r'(?P<word>\w+)\s+(?P=word)')
a = p.search('python python')
print(a.group('word'))
print(a.group(1))

# 패턴에서 뒤의 문자열이 java 일때만 검색
p = re.compile(r'python\s+(?=java)')
a = p.search('python java')
print(a.group())

# 패턴에서 뒤의 문자열이 java가 아닐 때 검색
q = re.compile(r'python\s+(?!java)')
b = q.search('python jav')
print(b.group())

import re
my_str = 'My mobile phone number is  010-123-4567'
MPattern = re.compile(r'(\d{3})-(\d{3})-(\d{4})')
Mres = MPattern.search(my_str).groups()
print(Mres)
print(re.sub(' ', ':', my_str, 5))