정규표현식이란?
Regular Expression을 줄여서 Regex, Regexp 등으로 불린다. Computer Science의 정규 언어(Regular Language)로부터 유래한 것으로, 특정한 규칙을 가진 문자열의 집합을 표현하기 위해 쓰이는 *형식 언어이다.
정규표현식 메타 문자
메타 문자는 특정한 문자 혹은 문자 계열을 대신하여 표시하는 문자로, 메타 문자를 이용하면 특정한 규칙을 가진 여러 단어를 하나의 패턴으로 함축할 수 있다. 참고로 메타문자에서 대소문자는 서로 반대되는 의미를 지니는 경우가 많다.
^ : 문자열의 시작을 표현.
^http : 문자열이 'http'로 시작하는 경우에만 매칭. 문자열 중간에 나타나는 http('ahttps' -> 매칭X)에는 매칭하지 않음.
[ ... ] 대괄호 안에서 쓰이는 경우라면, ^ 뒤에 오는 문자열 패턴과 일치하지 않는 것을 매칭한다.
ab[^0-9] : 'ab' 뒤에 숫자가 아닌 것이 오는 것만 매칭. (abc -> 매칭O / ab1 -> 매칭X)
$ : 문자열의 끝을 표현
tem$ : 문자열이 'tem'으로 끝난 경우에만 매칭 ('item' -> 매칭O / 'contemporary' -> 매칭X)
\B : \b 가 아닌것.
play\B : 'play' 뒤에 단어의 경계가 아닌 것이 올때, 즉 문자열의 연속이 되는 패턴만 매칭.
('I play the game on the playground' 에서 'playground' 를 매칭O / 'play'는 매칭X, 이때 'playground'를 매칭한다고 해서 'playground' 전체를 의미하는 것이 아닌, 'playground' 안의 'play' 만을 찾아낸다.)
\s : 모든 White-space (공백) 문자에 매칭. [\t\n\r\f\v] 와 동일한 의미.
\S : White-space (공백) 문자를 제외한 모든 문자에 매칭.
\d : 모든 숫자를 매칭. [0-9] 와 동일한 의미.
\D : 숫자가 아닌 모든 문자를 매칭. [^0-9] 와 동일한 의미.
\w : 단어를 만들 수 있는 문자를 매칭. 알파벳 대소문자, 숫자, 언더스코어를 포함. [A-Za-z0-9_] 와 동일한 의미.
\W : \w에 포함되지 않는 모든 문자를 매칭.
\n : LF(Line Feed)를 의미. 즉, 엔터(개행문자)를 의미.
참고로 \r 은 CR(Carriage Return)을 의미하는데, UNIX 에서 엔터의 의미를 LF 하나만 쓰는 것으로 보고, Windows에서는 CRLF를 함께 쓰는 것이 엔터를 의미한다. 현대에 와서는 에디터가 알아서 둘다 같이 엔터로 해석시켜 주므로, 엔터를 표현하려고 한다면 그냥 \n 만 사용해도 무방하다.
\ : 이스케이프용 문자. 정규식 상의 특별한 의미를 가지는 문자들을 해당 문자 그대로 사용하고자 할 때 사용하는 문자이다.
ex) \^ : '^' 문자 그대로를 의미.
. : 모든 문자 1개를 매칭. 이때 공백 한칸도 문자 1개로 취급됨.
선택 패턴
| (Vertical Bar, Pipe) : OR의 의미.
ex) tomato | potato : 'tomato'라는 패턴 또는 'potato'라는 패턴과 일치하는 모든 것들을 매칭한다.
[ ... ] : 대괄호 안의 문자 하나하나들 모두가 OR의 요소로 보면 됨.
ex) [cfh]all : 'call', 'fall', 'hall' 에 모두 매칭. [0-9], [a-z] 와 같이 - 를 활용하여 숫자 전체 또는 알파벳(소문자) 전체 등의 특정 범위를 지정할 수 있음.
수량 한정자
동일한 글자 혹은 그룹이 n개 만큼 나오는 경우에 수량 한정자를 뒤에 붙일 수 있다.
? : 바로 앞의 글자 혹은 그룹이 1개 혹은 0개 임을 의미.
ex) apples? : ? 바로 앞의 글자인 's'가 있을 수도 있고, 없을 수도 있으므로, 'apple', 'apples' 에 매칭.
* : 0개 이상을 의미.
ex) n\d* : 'n' 뒤에 숫자가 0개 이상이라는 의미. 'n', 'n1', 'n123' 등에 모두 매칭.
+ : 1개 이상을 의미.
ex) n\d+ : 'n' 뒤에 숫자가 1개 이상이라는 의미. 'n1', 'n123' 등에 모두 매칭되나, 'n' 에는 매칭되지 않음.
{n} : n 개가 있다는 것을 의미.
ex) n\d{2} : 'n' 뒤 숫자가 2개 오는 패턴을 의미. 'n12' 에는 매칭되나, 'n', 'n1', 'n123' 에는 매칭되지 않음.
'n123' 이라는 문자열에서는 'n12' 까지만 매칭하고, 3은 제외시키게 됨.
{n, m} : n개 이상, m개 이하를 의미. 이때 m을 생략하여 {n, } 와 같이 쓸 수 있는데, 이는 n개 이상 만을 의미.
ex 1) n\d{2, 3} : 'n12', 'n123' 에는 매칭되지만, 'n1'이나 'n1234'에는 매칭되지 않음.
그룹
소괄호로 둘러싼 단위는 그룹을 나타내는데, 특히 수량 한정자를 그룹에 붙이는 형태로 사용하여, 그룹에 해당하는 패턴이 반복적으로 나타나는 패턴에 대해서 매칭이 가능하게끔 해주는 역할을 한다.
ex 1) (tom|pot)ato : tomato | potato 와 같은 의미. 'tomato' 또는 'potato' 에 모두 매칭되는 패턴을 그룹을 써서 정규식을 좀 더 깔끔하게 표현하였다.
ex 2) (a|i){3}bc : a 혹은 i 가 3개 온 후에 bc가 오는 패턴. aaabc, iiibc, aiabc, aaibc, iiabc 등이 매칭.
전후방탐색
반환하지 않을 패턴을 포함하여 Regex의 패턴을 구성하는 것, 즉, 정확한 일치 지점을 찾는 데는 사용되지만 실제 일치하는 부분의 일부로는 사용되지 않는 '어떤 것'이 필요하게 되는데, 이때 사용 되는 것이 Regex의 전후방탐색(Look Around) 기법이다.
전방 탐색(Look Ahead)
- '?=' 사용
- '?=' 다음에 오는 텍스트를 기준으로, 그 이전 텍스트만을 해당 패턴을 적용하여 추출하고자 할 때 사용
ex) '.+(?=:)'
http://www.co-no_blog.com/
☞ http://www.co-no_blog.com/
http://mail.co-no.com/
☞ http://mail.co-no.com/
ftp://ftp.co-no.com/
☞ ftp://ftp.co-no.com/
후방 탐색(Look Behind)
- '?<=' 사용
- '?<=' 다음에 오는 텍스트를 기준으로, 그 이후 텍스트만을 해당 패턴을 적용하여 추출하고자 할 때 사용
ex) '(?<=\$)[0-9.]+'
ABC01: $23.45
☞ ABC01: $23.45
HGG42: $5.31
☞ HGG42: $5.31
CFMX1: $899.00
☞ CFMX1: $899.00
XTC99: $69.96
☞ XTC99: $69.96
※ 주의사항 : 전방 탐색은 마침표(.)와 더하기(+)를 포함하여 텍스트의 길이를 다양하게 일치시킬 수 있으며, 매우 동적인 반면, 후방 탐색은 보통 일치시킬 텍스트의 길이를 고정해야 한다.
전방탐색과 후방탐색의 동시 사용
다음 예시와 같이 HTML 태그를 제외한 텍스트를 추출하고자 할 때, 전방탐색과 후방탐색의 동시 사용을 유용하게 활용할 수 있다.
ex) '(?<=\<[tT][iI][tT][lL][eE]\>).*(?=<\/[tT][iI][tT][lL][eE]\>)' (\ : 이스케이프 문자)
<head>
<title>co-no의 홈페이지</title>
</head>
부정형 전후방탐색
지금까지 살펴본 전방탐색과 후방탐색의 경우, 반환할 텍스트의 위치, 즉, 찾고자 하는 부분의 앞뒤를 특별히 지정하고 싶을 때 주로 사용하게 된다. 이러한 방식을 긍정형 전방탐색(Positive Lookahead) 또는 긍정형 후방탐색(Positive Lookbehind) 라고 하는데, 여기서 'Positive' 라는 말을 쓰는 이유는, 실제로 일치하는 텍스트를 찾는 방식이기 때문이다.
부정형 전방탐색(Negative Lookahead)
- '?!-' 사용
- '?!-' 다음에 오는 텍스트가 붙지 않은, 해당 텍스트 기준의 이전 텍스트 패턴만 적용된 텍스트를 추출하게 된다.
ex) '\d{4}(?!-)'
010-1234-5678
☞ 010-1234-5678
02-1212-3434
☞ 02-1212-3434
부정형 후방탐색(Negative Lookbehind)
- '?<!' 사용
- '?<!' 다음에 오는 텍스트가 붙지 않은, 해당 텍스트 기준의 이후 텍스트 패턴만 적용된 텍스트를 추출하게 된다.
ex) '\b(?<!\$)\d+\b'
I paid $30 for 100 apples, 50 oranges, and 60 pears.
☞ I paid $30 for 100 apples, 50 oranges, and 60 pears.
'IT 기타' 카테고리의 다른 글
| Windows(윈도우) 텔넷(Telnet) 클라이언트 켜기/활성화 (2) | 2024.09.08 |
|---|---|
| cc: not found error 해결 방법 (0) | 2024.08.23 |
| Can not find valid pkg-config name. 수정 및 해결 방법 (0) | 2024.08.23 |
| [IntelliJ] Java JAR 파일 만들기/빌드하기/실행하기/생성하기 (0) | 2024.06.04 |
