TIL.55 Python 정규표현식 사용하기

정규표현식 사용하기

정규표현식 (regular expression)은 일정한 규칙(패턴)을 가진 문자열을 표현하는 방법이다.

복잡한 문자열 속에서 특정한 규칙으로 된 문자열을 추출하거나 바꿀때 사용하며

또한, 문자열이 정해진 규칙에 맞는지 판단할때도 사용한다.

쪼개서 학습하면 이해가 빠르다고 한다.

 

정규 표현식은 re 모듈을 가져와서 하용하며 match 함수와 serch 함수를 사용한다.

---

문자열 판단하기

특정 문자열이 포함되어 있는지 판단해보자

• re.match('패턴', '문자열')

>>> import re
>>> re.match('Hello', 'Hello, world!')     # 문자열이 있으므로 정규표현식 매치 객체가 반환됨
<_sre.SRE_Match object; span=(0, 5), match='Hello'>
>>> re.match('Python', 'Hello, world!')    # 문자열이 없으므로 아무것도 반환되지 않음

문자열이 있으면 -> 매치객체(SRE_Match)로 반환

문자열이 없을 경우 -> 아무것도 반환하지 않음

사실 아래와 같으 fine method를 이용해 사용할 수 있으며

그럼 find 함수를 쓸 수 없는 경우에 대해 알아보자.

'Hello, world!'.find('Hello')

---

문자열이 맨 앞에 오는지 맨 뒤에 오는지 판단하기

정규표현식으로 특정 문자열이 앞에 오는지 뒤에 오는지 판단할 수 있다.

단 이때는 match 함수가 아닌 search 함수를 사용하여 판단해야 한다.

match -> 문자열 처음부터 매칭되는지 판단

search -> 문자열 일부분이 매칭되는지 판단

^문자열a -> 문자열a가 맨 앞에 오는지 판단

문자열a$ -> 문자열a가 맨 뒤에 오는지 판단

• ^문자열
• 문자열$

>>> re.search('^Hello', 'Hello, world!')     # Hello로 시작하므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 5), match='Hello'>
>>> re.search('world!$', 'Hello, world!')    # world!로 끝나므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(7, 13), match='world!'>

---

지정된 문자열이 "하나" 라도 포함되는지 판단하기

" | " -> 역슬레쉬 대문자 --> 특정 문자열에서 지정된 문자열(문자)가 하나라도 포함되는지 판단

OR 연산자와 개념이 같다.

• 문자열|문자열
• 문자열|문자열|문자열|문자열

>>> re.match('hello|world', 'hello')    # hello 또는 world가 있으므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 5), match='hello'>

---

범위 판단하기

 

문자열이 문자(숫자)로 되어있는 범위로 판단하기

[](대괄호) 안에 숫자 범위를 넣으며 *  또는 + 를 붙혀 판단한다.

" * " -> 문자(숫자)가 0개 이상인지

" + " -> 문자(숫자)가 1개 이상인지

• [0-9]*
• [0-9]+

>>> re.match('[0-9]*', '1234')    # 1234는 0부터 9까지 숫자가 0개 이상 있으므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 4), match='1234'>
>>> re.match('[0-9]+', '1234')    # 1234는 0부터 9까지 숫자가 1개 이상 있으므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 4), match='1234'>
>>> re.match('[0-9]+', 'abcd')    # abcd는 0부터 9까지 숫자가 1개 이상 없으므로 패턴에 매칭되지 않음

 

*, + 활용하기

아래에서 b는 가장 오른쪽 문자열을 지칭하는 용도로 이해하자

>>> re.match('a*b', 'b')      # b에는 a가 0개 이상 있으므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 1), match='b'>
>>> re.match('a+b', 'b')      # b에는 a가 1개 이상 없으므로 패턴에 매칭되지 않음
>>> re.match('a*b', 'aab')    # aab에는 a가 0개 이상 있으므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 3), match='aab'>
>>> re.match('a+b', 'aab')    # aab에는 a가 1개 이상 있으므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 3), match='aab'>

a*는 a가 0개 이상 있어야 하므로 b는 매칭이 된다. 하지만 a+는 a가 1개 이상 있어야 하므로 b는 매칭되지 않는다.

---

문자가 "한 개" 만 있는지 판단하기

문자가 여러 개 있는지 판단할때 -> *    + 를 사용하였다

문자가 한 개만 있는지 판단해보자

? -> ?앞의 문자(범위)가 0개 또는 1개 인지 판단

. -> .이 있는 위치에 아무 문자(숫자)가 1개 인지 판단

• 문자?
• [0-9]?
• .

>>> re.match('abc?d', 'abd')         # abd에서 c 위치에 c가 0개 있으므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 3), match='abd'>
>>> re.match('ab[0-9]?c', 'ab3c')    # [0-9] 위치에 숫자가 1개 있으므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 4), match='ab3c'>
>>> re.match('ab.d', 'abxd')         # .이 있는 위치에 문자가 1개 있으므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 4), match='abxd'

---

문자 개수 판단하기

문자(숫자)가 정확히 몇 개 있는지 판단해보자

문자 뒤에 {개수}를 지정

문자열의 경우 괄호로 묶고 뒤에 {개수} 지정

• 문자{개수}
• (문자열){개수}

h{3}은 h가 3개 있는지 판단하고, (hello){3}은 hello가 3개 있는지 판단

>>> re.match('h{3}', 'hhhello')
<_sre.SRE_Match object; span=(0, 3), match='hhh'>
>>> re.match('(hello){3}', 'hellohellohelloworld')
<_sre.SRE_Match object; span=(0, 15), match='hellohellohello'>

---

휴대전화 번호 형식 판단하기(중요)

특정 범위에서 문자(숫자)가 몇개 있는지 판단 

• [0-9]{개수}

>>> re.match('[0-9]{3}-[0-9]{4}-[0-9]{4}', '010-1000-1000')    # 숫자 3개-4개-4개 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 13), match='010-1000-1000'>
>>> re.match('[0-9]{3}-[0-9]{4}-[0-9]{4}', '010-1000-100')   # 숫자 3개-4개-4개 패턴에 매칭되지 않음

이 기능으로 문자(숫자)의 개수 범위도 지정할 수 있다.

• (문자){시작개수,끝개수} : 시작 개수 ~ 끝개수
• (문자열){시작개수,끝개수} : 시작 ~ 끝  
• [0-9]{시작개수,끝개수} : 시작 ~ 끝

 

 

>>> re.match('[0-9]{2,3}-[0-9]{3,4}-[0-9]{4}', '02-100-1000')    # 2~3개-3~4개-4개 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 11), match='02-100-1000'>
>>> re.match('[0-9]{2,3}-[0-9]{3,4}-[0-9]{4}', '02-10-1000')  # 2~3개-3~4개-4개 패턴에 매칭되지 않음

---

숫자와 영문 문자를 조합해서 판단하기

지금까지 정규표현식으로 특정 문자 범위에 포함되는지를 확인하였다면

이젠 특정 문자 범위에 포함되지 않는지 판단해보자

아래와 같이 문자(숫자) 범위 앞에 ^를 붙이면 해당 범위를 제외한다.

• [^범위]*
• [^범위]+

즉, '[^A-Z]+'는 대문자를 제외한 모든 문자(숫자)가 1개 이상 있는지 판단

>>> re.match('[^A-Z]+', 'Hello')    # 대문자를 제외. 대문자가 있으므로 패턴에 매칭되지 않음
>>> re.match('[^A-Z]+', 'hello')    # 대문자를 제외. 대문자가 없으므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 5), match='hello'>

앞에서 사용하였던 특정 문자열로 시작히는지 판단할때도 ^ 를 사용했었다

문법이 비슷해서 햇갈리기 쉬우니 주의하자.

범위를 제외할때는 [^A-Z]+'와 같이 [ ] 안에 넣어주고,

특정 문자 범위로 시작할 때는 '^[A-Z]+'와 같이 [ ] 앞에 붙여준다.

아래과 같이 '^[A-Z]+'는 영문 대문자로 시작하는지 판단

• ^[범위]*
• ^[범위]+

>>> re.search('^[A-Z]+', 'Hello')        # 대문자로 시작하므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 1), match='H'>

물론 특정 문자(숫자) 범위로 끝나는지 확인할 때는 정규표현식 뒤에 $를 붙이면 된다.

• [범위]*$
• [범위]+$

>>> re.search('[0-9]+$', 'Hello1234')    # 숫자로 끝나므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(5, 9), match='1234'>

---

특수문자 판단하기

특수 문자를 판단할 때는 특수 문자 앞에 \를 붙이면 된다.

단, [ ] 안에서는 \를 붙이지 않아도 되지만 에러가 발생하는 경우에는 \를 붙입니다

• \특수문자

>>> re.search('\*+', '1 ** 2')                    # *이 들어있는지 판단
<_sre.SRE_Match object; span=(2, 4), match='**'>
>>> re.match('[$()a-zA-Z0-9]+', '$(document)')    # $, (, )와 문자, 숫자가 들어있는지 판단
<_sre.SRE_Match object; span=(0, 11), match='$(document)'>

 

단순히 숫자인지 문자인지 판단할 때는 \d, \D, \w, \W를 사용하면 편리

• \d: [0-9]와 같음. 모든 숫자
• \D: [^0-9]와 같음. 숫자를 제외한 모든 문자
• \w: [a-zA-Z0-9_]와 같음. 영문 대소문자, 숫자, 밑줄 문자
• \W: [^a-zA-Z0-9_]와 같음. 영문 대소문자, 숫자, 밑줄 문자를 제외한 모든 문자

>>> re.match('\d+', '1234')          # 모든 숫자이므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 4), match='1234'>
>>> re.match('\D+', 'Hello')         # 숫자를 제외한 모든 문자이므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 5), match='Hello'>
>>> re.match('\w+', 'Hello_1234')    # 영문 대소문자, 숫자, 밑줄 문자이므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 10), match='Hello_1234'>
>>> re.match('\W+', '(:)')    # 영문 대소문자, 숫자, 밑줄문자를 제외한 모든 문자이므로 패턴에 매칭됨
<_sre.SRE_Match object; span=(0, 3), match='(:)'>

---

공백 판단하기

공백은 ' '처럼 공백 문자를 넣어도 되고, \s 또는 \S로 표현할 수도 있다

• \s: [ \t\n\r\f\v]와 같음. 공백(스페이스), \t(탭) \n(새 줄, 라인 피드), \r(캐리지 리턴), \f(폼피드), \v(수직 탭)을 포함
• \S: [^ \t\n\r\f\v]와 같음. 공백을 제외하고 \t, \n, \r, \f, \v만 포함

>>> re.match('[a-zA-Z0-9 ]+', 'Hello 1234')     # ' '로 공백 표현
<_sre.SRE_Match object; span=(0, 10), match='Hello 1234'>
>>> re.match('[a-zA-Z0-9\s]+', 'Hello 1234')    # \s로 공백 표현
<_sre.SRE_Match object; span=(0, 10), match='Hello 1234'>

출처  : 코딩도장 갓

dojang.io/mod/page/view.php?id=2436

파이썬 코딩 도장: 43.2 범위 판단하기