이 포스팅은 Regular Expression 시리즈 12 편 중 12 번째 글 입니다.
목차
컴파일 버전은 생략하고 실전 지향적으로 간다.
순서
import re- 패턴 입력
- 텍스트 준비 (r””) 사용
- 검색 (match, search, findall, finditer)
- 각각의 메서드에 맞는 메서드 호출
기본 골자
import re #일단 import
pattern = r"ca" # 패턴 입력
text = "bbbbbbcaabsacasca" # 텍스트
검색 메서드
match
문자열의 시작 부분부터 매칭이 되는지 검색
- group() : 매칭된 문자열 반환
- start() : 시작 위치
- end() : 종료 위치
- span() : 시작과 종료위치를 튜플로 반환
기본 객체가 MatchOB이다. 그래서 얘도 알고는 있어야 함
search
문자열에 패턴과 매칭되는 곳이 있는지 검색
match와의 차이점을 알아야 하는데, 시작 부분 아니어도 검색한다. 하지만 검색되면 시작 부분을 반환한다.
| text | aaa | aaaB | Baaa | BBB |
|---|---|---|---|---|
| re.match(r’aaa’, text) | O | O | X | X |
| re.search(r’aaa’, text) | O | O | O | X |
import re #일단 import
pattern = r"ca" # 패턴 입력
text = "bbbbbbcaabsacasca" # 텍스트
matchOB = re.search(pattern, text)
if matchOB:
print (matchOB)
print (matchOB.group()) # 매칭된 문자열 # ca
print (matchOB.start())# 매칭된 문자열 시작 위치 # 0
print (matchOB.end()) # 매칭된 문자열 종료 위치 # 2
print (matchOB.span()) # 매칭된 문자열 시작,종료 위치 # (0, 2)
findall
정규식과 매치되는 모든 문자열을 리스트로 반환
pattern = r"ca"
text = "caabsacasca"
# 매칭된 값은 리스트로 모두 반환
matchedList = re.findall(pattern,text)
if matchedList:
print(matchedList) # ['ca', 'ca', 'ca']
sub
re.sub('\d{4}', 'XXXX', '010-1234-5678') # 010-XXXX-XXXX
정규 표현식에 맞는 표현을 변환할 수 있다. 복잡할수록 좋겠지? 그리고 {}는 범위 혹은 개수를 나타낸다.
text = 'Gorio, Gorio, Gorio keep a straight face.'
re.sub('Gorio', 'Ryan', count=2, text)
# Ryan, Ryan, Gorio keep a straight face.
개수까지 지정할 수 있다.
문자열
사실 sub는 문자열을 제거하는 용도로 많이 사용한다.
pattern = r'[^0-9a-zA-Z]+'
text = """<html lang="ko" xml:lang="ko" xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta charset="utf-8">
<meta property="og:url" content="https://www.kakaocorp.com"/>
</head>
<body>
con% muzI92apeach&2<a href="https://hashcode.co.kr/tos"></a>
^
</body>
</html>"""
matchedList = re.findall(pattern, text)
matchedList
이렇게 하면 모든 문자를 찾을 수 있다. 그런데 여기서 이렇게 변경하면,
pattern = r'[^0-9a-zA-Z]+'
text = """<html lang="ko" xml:lang="ko" xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta charset="utf-8">
<meta property="og:url" content="https://www.kakaocorp.com"/>
</head>
<body>
con% muzI92apeach&2<a href="https://hashcode.co.kr/tos"></a>
^
</body>
</html>"""
matched = re.sub(pattern, " ", text)
matched
html lang ko xml lang ko xmlns http www w3 org 1999 xhtml head meta charset utf 8 meta property og url content https www kakaocorp com head body con muzI92apeach 2 a href https hashcode co kr tos a body html
이와 같이 숫자, 알파벳이 아닌 모든 요소에 대해 값을 제거할 수 있다.
subn
text = 'Gorio, Gorio, Gorio keep a straight face.'
re.subn('Gorio', 'Ryan', count=2, text)
# ('Ryan, Ryan, Gorio keep a straight face.', 2)
값을 튜플로 리턴해준다.
정규 표현식 패턴
| 표현식 | 설명 | |
|---|---|---|
| ^ | 문자열의 시작 | |
| $ | 문자열의 종료 | |
| . | 임의의 한 문자 | |
| * | 앞문자가 없을 수도 무한정 많을 수도 있음 | |
| + | 앞 문자가 하나 이상 | |
| ? | 앞 문자가 없거나 하나 있음 | |
| [] | 문자의 집합이나 범위를 나타냄, 두 문자사이는 -로 범위를 나타냄 | |
| {} | 횟수 또는 범위를 나타냄 | |
| () | 소괄호 안의 문자를 하나의 문자로 인식 | |
| <p> | </p> | 패턴안에서 or 연산을 수행 |
| \s | 공백문자 | |
| \S | 공백문자가 아닌 나머지 문자 | |
| \w | 알파벳이나 숫자 | |
| \W | 알파벳이나 숫자를 제외한 문자 | |
| \d | 숫자 [0-9]와 동일 | |
| \D | 숫자를 제외한 모든 문자 | |
| | 정규표현식 역슬래시는 확장 문자 | ||
| (?!) | 앞 부분에 (?!)를 넣어 대소문자 구분하지 않음 |