정규표현(regular expressions)

정의

복잡한 문자열을 처리할 때 사용하는 기법

 

임포트

import re

(대표적) 치환 메서드

② 를 사용하자

① result = re.sub(r정규표현, 치환문자(열), 대상문자열) ② regex = re.complie(r정규표현, re.MULTILINE )  ※ 대상문자열이 개행을 포함하고 있다면 re.MULTILINE으로 행을 구분      result = regex.sub(치환문자(열), 대상문자열 )

 r " "   은 raw 를 의미하며 " " 안의 특수기호(개행문자등)를 문자로써 표현

[ ] 안에 있는 문자 개별로 존재하면 치환, 삭제

regex = re.compile(r'[346]') str1 = regex.sub('x', '03-5454-68284')  -> '0x-5x5x-x828x'

	참조	별도 표기
[0-9]		\d	0~9 중 하나라도
[^0~9]	^ 은 NOT	\D	비(非)숫자중 하나라도
[a-zA-Z]			알파벳중 하나라도
[ \t\n\r\f\v]		\s	화이트스페이스
[^ \t\n\r\f\v]	^ 은 NOT	\S	화이트스페이스가 아니라면
[a-zA-Z0-9_]		\w	문자 숫자중 하나라도
[^a-zA-Z0-9_]	^ 은 NOT	\W	비(非)문자 숫자중 하나라도
[문자]			문자만

기타

.(dot)	"a.b"	"a"+모든문자+"b"	\n 을 제외한 모든 문자가 1개면 OK
[.]	"a[.]b	"a"+".(dot)" + "b"	가운데 반드시 .(dot) 이 존재해야 OK
*	"ca*t"	ct/cat/caat/...	*의 바로직전 문자가 0번 혹은 무한반복되면 OK
?	"ca?t"	ct/cat	?의 바로직전 문자가 0번 혹은 1번 반복되면 OK
+	"ca+t"	cat/caat/caaat/...	+의 바로직전 문자가 1번이상 반복되면 OK
{n}	"ca{2}t"	caat	{}의 바로직전 문자가 반두시 n번 반복되면 OK
{m,n}	"ca{2,5}t"	반복횟수의 범위	{}의 바로직전 문자가 2회 혹은 3회 혹은 4회 혹은 5회 반복되면 OK
|	"abc|def"	혹은(or)	"abc" 혹은 "def" 가 포함되면 OK
^	"^My"	(개행)맨처음시작	"My" 로 문자열이 시작하면 OK
$	"you$ "	(개행)맨마지막	"you"로 문자열이 끝나면 OK
\A	"\AMy"	re.MULTILINE 옵션 전체 문자열의 시작
\Z	"\Zyou"	re.MULTILINE 옵션 전체 문자열의 마지막
\b	"\b단어\b	= 스페이스	" 단어 " 가 있으면 OK
(  )	"(ABC)"	그룹	regex.group(n번째그룹) 으로 특정( ) 의 내용만 끄집어 낼 수 있다.
(?:   )	"(?:ABC)"	비그룹	regex.group(n번째그룹) 에 포함되지 않는다.
\	"\*"	* 는 반복이 아닌 문자	위의 메타문자를 무효화하고 단순히 문자로 취급

 

r"(\w+)\s+(\d+[-]\d+[-]\d+)"

[문자숫자가 1개이상] [스페이스 1개이상] [숫자가 1개이상] - [숫자가 1개이상] - [숫자가 1개이상] 

Abc  3643-482-2

regex.group(2) -> 3643-482-2

 

string = "ftp://www.abc.com/over/article/image.jpg"

ftp 로 시작해서 jpg 로 끝나는지 확인

re.match(r'(ftp|http)://.*\.(jpg|png)$', string)

고정 ftp(혹은 http):// | .(dot) 모든문자가 가능 | * 모든문자가 0 혹은 복수존재 가능 | 점 문자한개 | jpg나png로 끝나면 OK

 

string = "Your number is <b>123</b>

123 숫자만 추출

number = re.search(r"\d+", string)      아무숫자(\d)가 1번이상 반복

number.group() -> '123'

 

전화번호 패턴 매치

(404) 666-1111       True (404) 6661111        True 404-666-1111        True 404-6661111        True 404666-1111        True 4046661111        True   (404)   666-1111         True (404)666-1111        True     404-666-1111        True   404-6661111        True  4046661111        True

result = re.match('^\s*(?:\(\d{3}\)\s* | \d{3})-?\d{3}-?\d{4}\s*$', telnumbes)

^\s*  스페이스로 시작할 수도 없을 수도 있고 스페이스는 있어도 되고 없어도 되고

(?:        ) 그룹핑하지 않고 묶음으로  처리

\(\d{3}\) () 은 그룹핑이 아닌 문자이고 (3자리 숫자가 필수)

\s* 스페이스는 있어도 되고 없어도 되고

 |  혹은

\d{3} 숫자3개

-? 하이픈은 없어도 되고 1번 있어도 되고

\d{3} 숫자3개

-? 하이픈은 없어도 되고 1번 있어도 되고

\d{4} 숫자4개

\s* 스페이스는 있어도 되고 없어도 되고

$  스페이스로 끝나거나 숫자4개로 끝나거나