[파이썬] 파이썬기초: 정규 표현식(Regular Expressions) - 3

시작에 앞서

해당 내용은 '<Do it! 점프 투 파이썬> 박응용 지음. 이지스 퍼블리싱' 을 토대로 작성되었습니다. 보다 자세한 내용은 해당 서적에 상세히 나와있으니 서적을 참고해 주시기 바랍니다.

---

이전 내용

[파이썬] 파이썬기초: 정규 표현식(Regular Expressions) - 2

---

정규 표현식 심화 - 메타 문자

 

◆ | : or(또는)

A|B = A or B (A 또는 B)

#  | : or(또는)
p = re.compile('Crow|Eagle')
m = p.match('CrowHello')
print(m)

---

◆ ^: 맨 처음과 일치

※ re.M(또는 MULTILINE) 과 사용 시에는 여러 줄의 문자열의 각 줄의 처음과 일치

# ^: 맨 처음과 일치
print(re.search('^Life', 'Life is too short'))
print(re.search('^Life', 'Music is my Life'))

---

◆ $: 맨 끝과 일치

# $: 맨 끝과 일치
print(re.search('Life$', 'Life is too short'))
print(re.search('Life$', 'Music is my Life'))

---

◆ \A: 문자열의 처음과 매치

※ ^ 메타 문자와 동일하나, re.M 옵션을 사용할 경우

^은 각 줄의 처음

\A는 줄과 상관없이 전체 문자열의 처음하고만 매치

# \A: 문자열의 처음과 매치
# ^와의 차이

data = """one
life is too short
python two
you need python
python three"""

print(re.search('^python', data, re.M))
print(re.search('\Apython', data, re.M))

---

◆ \Z: 문자열의 끝과 매치

※ $ 메타 문자와 동일하나, re.M 옵션을 사용할 경우

$은 각 줄의 끝

\Z는 줄과 상관없이 전체 문자열의 끝 하고만 매치

# \Z: 문자열의 끝과 매치
# $와의 차이

data = """
I like music
We like music
Do you like music?
"""

print(re.search('music$', data, re.M))
print(re.search('\Zmusic', data, re.M))

---

◆ \b: 단어 구분자(word boundary)

# \b: 단어 구분자(word boundary)
p = re.compile(r'\bclass\b') #백슬래시 raw string 사용

print(p.search('no class at all'))
print(p.search('the declassified algorithm'))
print(p.search('one subclass is'))

▶ '\bclass\b' 정규식은 앞뒤가 '(공백)class(공백)' 으로 된 문자와 매치됨을 의미

※ \b를 사용할 경우에는 백스페이스가 아닌 단어 구분자임을 알려주기 위해 Raw String을 알려주는 기호 r을 반드시 붙여 주어야 한다.

---

◆ \B: whitespace로 구분된 단어가 아닌 경우에만 매치 ↔ \b

# \B: whitespace로 구분된 단어가 아닌 경우에만 매치 ↔ \b
p = re.compile(r'\Bclass\B') #백슬래시 raw string 사용

print(p.search('no class at all'))
print(p.search('the declassified algorithm'))
print(p.search('this is unclassfied'))

 

---

그루핑

 

그룹을 만들어주는 메타 문자는 '( )' 이다.

만약, ABC 문자열이 계속해서 반복되는지 조사하는 정규식을 작성하려면

'(ABC)+' 처럼 그루핑을 사용하여 작성할 수 있다.

# 그루핑
p = re.compile('(ABC)+')
m = p.search('ABCABCABC OK?')
print(m)
print(m.group(0))

 

◆ group 메서드의 인덱스

group(인덱스)	설명
group(0)	매치된 전체 문자열
group(1)	첫 번째 그룹에 해당하는 문자열
group(2)	두 번째 그룹에 해당하는 문자열
group(n)	n 번째 그룹에 해당하는 문자열

 

예를 들어, '이름 + ' '전화번호' 형태의 문자열을 찾는 정규식이 있을 때, 매치된 문자열 중 이름만 뽑아내고 싶다면

# group 메서드의 인덱스
p = re.compile(r"\w+\s+\d+[-]\d+[-]\d+")
m = p.search("Song 010-5678-1234")
print(m)

q = re.compile(r"(\w+)\s+\d+[-]\d+[-]\d+") #첫 번째 그룹(이름)을 그루핑
n = q.search("Song 010-5678-1234")
print(n.group(1))

▶ "\w+\s+\d+[-]\d+[-]\d+" 중 이름에 해당하는 \w 부분을 그룹(\w)으로 만들면 그룹핑된 부분의 문자열만 추출할 수 있다.

 

그렇다면, 다음을 수행해보자.

Q1. 전화 번호 부분만 추출

Q2. 국번 부분만 추출

# 전화번호 부분만 추출
p = re.compile(r"(\w+)\s+(\d+[-]\d+[-]\d+)")
m = p.search("Song 010-5678-1234")
print(m.group(2))

#국번 부분만 추출
q = re.compile(r"(\w+)\s+((\d+)[-]\d+[-]\d+)")
n = q.search("Song 010-5678-1234")
print(n.group(1)) #이름
print(n.group(2)) #전화번호
print(n.group(3)) #국번

▶ 그룹이 중첩되어 있는 경우는 바깥쪽부터 시작하여 안쪽으로 들어갈수록 인덱스가 증가한다.

 

◆ 그루핑된 문자열 재참조하기: \1

(*\1은 정규식의 그룹 중 첫 번째 그룹을 가리킴)

# 그루핑된 문자열 재참조하기
p = re.compile(r'(\b\w+)\s+\1')
p.search('Paris in the the spring').group()

▶ 정규식 '(\b\w+)\s+\1' 은 '(그룹) + " " +그룹과 동일한 단어'와 매치됨을 의미 (2개의 동일한 단어를 연속적으로 사용해야만 매치)

---

그루핑된 문자열에 이름 붙이기

 

정규식은 그룹을 만들 때 그룹이름을 지정할 수 있게 했다.

(?P<그룹 이름>...)

# 그루핑된 문자열에 이름 붙이기
# (?P<name>\w+)\s+((\d+)[-]\d[-]\d+)
p = re.compile(r"(?P<name>\w+)\s+((\d+)[-]\d+[-]\d+)")
m = p.search("Song 010-5678-1234")
print(m.group("name"))

▶ (\w+) 그룹에 name이라는 이름을 붙여주었다.

 

그룹이름을 사용하면 정규식 안에서 재참조하는 것도 가능하다.

# 정규식 안에서 그룹 이름 재참조하기
p = re.compile(r'(?P<word>\b\w+)\s+(?P=word)')
p.search('Paris in the the spring').group()

▶ 재참조시에는 (?P=그룹이름)이라는 확장 구문을 사용해야 한다.

---