[코드잇] 정규 표현식

---

◆ 기본 문법

◆ 심화 문법

---

정규 표현식

정규 표현식 Regular Expression, Regex
- 실제 값은 다르지만 패턴은 서로 동일한 문자열을 표현할 때 사용되는 형식 언어
- 프로그래밍 언어에 따라 지원되는 정규 표현식 문법에 조금씩 차이가 있음.
- 일반적인 정규 표현식에서는 대문자와 소문자를 구분함.

- 시작기호 + 정규식 패턴 + 종료기호 + 플래그

ex. /[bce]ar/gi

https://regex101.com/

regex101: build, test, and debug regex

• FLAVOR : 지원할 언어 설정
• TEST STRING : 실습할 텍스트 본문 입력
• REGULAR EXPRESSION : 원하는 정규 표현식 작성, TEST STRING 부분 중 일치하는 부분이 하이라이트 됨.
• EXPLANATION : 화면으로 보여줌. 문법에 대한 설명도 있음.
• MATCH INFORMATION : 필요한 정규 표현식 문법을 검색하고 찾을 수 있음.

regex101 사이트의 정규표현식 작성 부분은 기본적으로 gm 플래그가 설정되어 있음.

---

기본 문법

집합

• 표현하고 싶은 문자를 대괄호([]_에 넣는 식
• 대괄호 안에 들어간 문자들은 or 연산이 적용되어 집합 안에 있는 문자 중 하나라도 매칭되면 선택됨.

[bce]ar

bar, car, ear 모두 선택

 

[0123456789]

하이픈 제외하고 숫자만 출력됨.

 

[ABCDEFGHIJKLMNOPQRSTUVWXYZ][abcdefghijklmnopqrstuvwxyz]/gm

대문자+소문자가 붙어서 나오는 부분만 선택됨.

 

[0-9A-Z]/gm

숫자 혹은 영어 대문자만 찾아줌.

 

하이픈(-)

문자 사이의 범위를 나타냄.

• 숫자: [0-9]
• 영어 소문자 : [a-z]
• 영어 대문자 : [A-Z]
• 한글(자음 모음 조합) : [가-힣]

 

캐럿(^)

집합 안의 특정 문자들을 제외하여 선택하고 싶을 때 사용함.

부정의 의미로 사용할 때는 집합의 가장 처음에 위치해야 함.

[^a-z]

알파벳 소문자 a부터 z를 제외한 나머지만 출력됨.

a만 제외되는 것이 아니라, a부터 z가 제외되는 것임.

 

[0-9^a-z]

• 숫자는 포함, 알파벳 소문자는 제외 (X)
• 숫자, '^'라는 문자, 소문자 선택 (O)

---

하이픈 사용 시 주의점

• 정규표현식은 특정 문자를 어떤 숫자로 인코딩할지를 아스키코드의 규칙에 따라서 정함.
• 하이픈을 사용해서 범위를 지정할 때에는 왼쪽에는 아스키코드가 낮은 문자, 오른쪽에는 아스키코드가 높은 문자를 위치하도록 해야함.

하이픈 문법을 [A-z]나 [A-9]처럼 사용하면 예상하지 못한 결과가 나옴.

 

[A-z]

· 아스키코드 65번부터 122번 안의 모든 문자를 선택하겠다는 의미임.

· 65번과 122번 사이의 특수문자까지 포함되어 의도치 않은 결과가 나옴.

[A-z]/gm

 

 

[A-9]

· 아스키코드 65~57번을 나타내므로 문법에 어긋나서 아무것도 선택되지 않음.

[A-9]/gm

 

https://www.ascii-code.com/

ASCII table - Table of ASCII codes, characters and symbols

---

문자 클래스

자주 사용하는 집합들을 쉽게 사용할 수 있도록 한 예약어
보통 백슬래시(\) 뒤에 특정 알파벳을 합쳐서 표기함.

의미	집합 표현	문자 클래스
숫자	[0-9]	\d
숫자가 아닌 것	[^0-9]	\D
영어 대소문자 + 숫자 + _(언더바)	[a-zA-Z0-9_]	\w
영어 대소문자 + 숫자 + _(언더바) + 한글	[a-zA-Z0-9_가-힣]	\w가-힣
공백 문자 (스페이스바, 탭 등)	[ \t\n\r\f\v]	\s
공백 문자가 아닌 것	[^ \t\n\r\f\v]	\S

---

메타 문자

정규 표현식에서 원하는 방식으로 규칙을 찾게 해주는 예약어
대괄호([ ]), 하이픈(-), 캐럿(^), 문자 클래스 등도 모두 다 메타 문자에 속함.

 

Dot(.)
· 모든 문자를 의미함.
· 숫자, 알파벳, 특수 문자, 공백, 한글 등을 포함함.

· 줄바꿈문자(\n)은 포함되지 않음.
→ s 플래그(single line)를 설정하면 줄바꿈 설정이 가능해짐.

 

/l../gm

/go.home/gm

/go.home/gms

---

이스케이핑

기존 예약어를 일반문자로 사용하고 싶을 때 이스케이핑 문자를 사용함.

 

/./gm

마침표를 선택하고 싶은데 '.'이 예약어라서 의도와 다르게 작용함.

 

/\./gm

이스케이핑(\) 처리를 통해 마침표(.)만 출력됨.

 

슬래시(/)도 이스케이핑 처리를 해야함.

/10/5=2/gm  ---> X

/10\/5=2/gm  ---> O

 

백슬래시(\)는 두 번 써야 이스케이핑 처리가 됨.

/c:\user\download/gm ---> X

/c:\\user\\download/gm ---> O

---

수량자

여러 번 반복되는 문자나 문자열을 선택할 때 문자의 반복 횟수를 설정하는 문법

중괄호{} 안에 원하는 반복횟수를 넣어주는 방식으로 표현함.

 

네 자리 숫자 표현

[0123456789][0123456789][0123456789][0123456789]

[0-9][0-9][0-9][0-9]

\d\d\d\d

\d{4}

 

수량자 범위 지정: {min,max}

· 최솟값과 최댓값 사이는 콤마 앞뒤에 공백 없이 입력해야 함.

· 최솟값은 빈칸으로 두는 것이 불가능, 최댓값은 빈칸으로 두는 것이 가능함.

 

3자리 ~ 6자리인 수

\d{3,6}

 

세자리 이상인 수

\d{3,}

 

1부터 최댓값 자리인 수

\d{,6} ---> 불가능

\d{1,6} ---> 가능

 

수량자의 메타문자

• * : 제한 없이 모든 숫자를 나타냄. 앞에 문자가 하나도 없어도 선택해줌.
• + : 제한 없이 모든 숫자를 나타냄. 앞에 최소 1개의 문자(숫자)가 필요함.
• ? : 문자가 아예 없거나 하나만 있을 경우(0번 혹은 1번 반복) 선택해줌. 

\d*원 ---> '원' 가능

\d+원 ---> '원' 불가능

 

수량자의 종류

• 탐욕적 수량자 : 정규표현식에 부합하는 여러 케이스가 있을 때 가장 큰 덩어리의 문자열을 선택해 주는 수량자
• 게으른 수량자 : 문자를 원하는 만큼 일치시키기 위해 사용하는 수량자

 

수량자 사용 시 주의할 점

*, +, {min,} 등 반복되는 최대 개수의 제한이 없는 수량자를 사용할 때에는 정확하게 원하는 부분만 선택되지 않을 수 있음.

 

큰따옴표에 둘러싸인 문자열을 찾으려면

/".*"/gm

각각 선택된 것이 아니라 공백까지 포함하여 산번에 선택됨.
따옴표 사이에 공백이 있어서 이런 결과가 출력됨.
수량자 *가 최대한 큰 덩어리의 문자열을 찾으려고 하는 특성(greedy) 때문임.

 

?

· 단독으로 쓰이면 0또는 1번 반복되는 문자를 찾는 수량자

/jpe?g/gm

jpg 또는 jpeg를 나타냄

 

· 다른 수량자와 중첩해서 사용될 때에는 앞에 온 수량자가 게으른 수량자게 되도록 함

/".*?"/gm

정확하게 "Apple" "Banana" "Cake"가 각각 선택됨.

---

경계

단어 경계

• \b : 문자(\w)와 문자가 아닌 곳(\W) 사이의 위치에 해당하는 경계
• \B : 단어의 경계가 아닌 위치

ex. 'This island is beautiful'에서 정확히 'is'만 출력하고 싶은 경우

 

문장 경계

• 문장의 시작점을 의미하는 캐럿(^)과 문장의 끝지점을 의미하는 달러 기호($)
• 캐럿은 집합 안에서 쓰이면 부정, 집합 바깥에서 쓰이면 경계의 의미

---

하위 표현식

• 전체 정규 표현식 안에서 특정 패턴을 나타내는 표현식을 하나의 항목으로 처리하는 것
• 메타 문자 소괄호()를 사용해 나타냄.
• 용도 : 가독성, 표현식의 반복, OR(|) 연산 활용

가독성

# Without Subexpression
\d{3}-\d{2}-\d{4}

# With Subexpression for Social Security Number
(\d{3}-\d{2}-\d{4})

 

표현식의 반복

# Without Subexpression
(https?|ftp)://(www\.)?example\.com

# With Subexpression for Domain
(https?|ftp)://(www\.)?(example\.com)

 

OR 연산자 활용

# Without Subexpression
apple|orange|banana

# With Subexpression for Fruits
(apple|orange|banana)

---

플래그 옵션 정리

플래그 : 정규 표현식에 적용되는 설정을 조절해주는 옵션

• g : 패턴과 일치하는 모든 것을 찾음. (생략시 가장 먼저 발견한 것만 하나 찾음)
• i : 대소문자 구분없이 알파벳이 일치하면 선택해줌.
• m : 문자열을 여러 줄로 인식함(multiline). 줄바꿈이 된 곳을 문장의 경계로 인식할 수 있음.
• s : 메타문자 Dot(.)이 줄바꿈 문자도 포함하도록 설정함.

---

심화 문법

역참조

• 한번 만든 하위 표현식은 역참조를 통해 재사용할 수 있음.
• 재사용 : 하위 표현식에 일치하는 문자열을 추출하여 다른 곳에서 그 패턴을 사용할 수 있음.
• JavaScript 환경에서는 역참조에 백슬래시(\)를 활용함.

 

한 번 사용된 단어가 반복해서 나온 경우 찾기

(\w+)\s\1

• \1 : 앞에서 하위 표현식으로 만들었던 (\w+)를 다시 재사용하기 위하여 호출한 부분

---

치환

특정 패턴과 일치하는 문자열을 찾아서 원하는 문자열로 바꿔주는 것.
치환에선 공백 문자(\n, \t 등)와 역참조($)를 제외하고는 문법으로 사용되는 문자가 따로 없음.

• 검색 : \ + 그룹번호
• 치환 : $ + 그룹번호

 

.txt를 .docx로 바꿔주기

 

---

전방탐색과 후방탐색

하위 표현식이지만 결과에는 반영되지 않고 특정 문자열을 찾기 위한 조건 역할만 하는 문법

전방탐색(lookahead)

• 문자열의 앞부터 문자열을 탐색하여 조건에 해당하는 부분이 확인되면 해당 조건 뒤쪽 부분을 생략하기 위해 사용됨.
• (?= ) 형태로 사용

후방탐색(lookbehind)

• 문자열을 뒤쪽부터 탐색하여 조건에 해당하는 부분이 있는지 확인하고, 해당 조건에 해당하는 문자열에 대하여 후방탐색이 걸린 부분을 제외한 나머지 값들을 선택
• (?<= )  형태로 사용

부정 전방탐색 : 일치하지 않는 조건을 거는 데 사용, (?! )
부정 후방탐색 : 일치하지 않는 조건을 거는 데 사용, (?<! )