파이썬 | 정규표현식(re) re.compile 사용을 위한 표현법

1. 정규 표현식 (RE : Regular Expression)

 

 

정규 표현식은 특정한 규칙을 가진 문자열 패턴을 사용하는 방식이다. 

 

데이터 전처리에 있어서 텍스트에서 특정 문자열을 검색, 치환, 제거할 때 사용한다.

 

예를들어 정제되지 않은 데이터에서 특정 데이터만 뽑아낸다던가, 웹페이지에서 전화번호 , 이메일 발췌, 특정 에러메세지를 찾을 때 사용한다.

 

 

 

2. 정규 표현식 사용

 

 

파이썬에서 정규표현식을 사용하기 위해서는 re을 import 해야한다.

 

re.compile(" ")은 정규식 객체를 리턴해준다. 

 

 

정규식에서는 숫자를 의미하는 기호로 \d 를 사용한다. (d는 digit을 의미함. 0~9)

예를들어, 전화번호 패턴은 \d\d\d-\d\d\d-\d\d\d\d 가 된다.

 

 

이와 같은 문자를 메타 문자라고 한다.

파이썬의 예약어(for,int,..)와 비슷한 문자라고 생각하면 된다.

 

 

여기서 \ (백슬래시)를 붙이고 다음 나오는 문자는 한 글자와 매칭된다.

 

 

^	이 패턴으로 시작해야 함	^abc : abc로 시작해야 함 (abcd, abc12 등)
$	이 패턴으로 종료되어야 함	xyz$ : xyz로 종료되어야 함 (123xyz, strxyz 등)
[문자들]	문자들 중에 하나이어야 함. 가능한 문자들의 집합을 정의함.	[Pp]ython : "Python" 혹은 "python"
[^문자들]	[문자들]의 반대로 피해야할 문자들의 집합을 정의함.	[^aeiou] : 소문자 모음이 아닌 문자들
|	두 패턴 중 하나이어야 함 (OR 기능)	a | b : a 또는 b 이어야 함
?	앞 패턴이 없거나 하나이어야 함 (Optional 패턴을 정의할 때 사용)	\d? : 숫자가 하나 있거나 없어야 함
+	앞 패턴이 하나 이상이어야 함	\d+ : 숫자가 하나 이상이어야 함
*	앞 패턴이 0개 이상이어야 함	\d* : 숫자가 없거나 하나 이상이어야 함
패턴{n}	앞 패턴이 n번 반복해서 나타나는 경우	\d{3} : 숫자가 3개 있어야 함
패턴{n, m}	앞 패턴이 최소 n번, 최대 m 번 반복해서 나타나는 경우 (n 또는 m 은 생략 가능)	\d{3,5} : 숫자가 3개, 4개 혹은 5개 있어야 함
\d	숫자 0 ~ 9	\d\d\d : 0 ~ 9 범위의 숫자가 3개를 의미 (123, 000 등)
\w	문자를 의미(영어대소문자, 숫자 0-9, 언더바 '_' 를 포함.	\w\w\w : 문자가 3개를 의미 (xyz, ABC 등)
\s	공백을 의미하는데, ['\t' , '\n' , '\r'. '\f'] 와 동일	\s\s : 화이트 스페이스 문자 2개 의미 (\r\n, \t\t 등)
.	뉴라인(\n) 을 제외한 모든 문자를 의미	.{3} : 문자 3개 (F15, 0x0 등)

 

[] : 대괄호

대괄호 사이에 원하는 문자를 여러 개 넣으면, 문자열이 넣은 문자 중 하나와 일치하면 매칭이 된다. (OR 개념)

즉, 대괄호 안에 있는 문자 중 하나만 일치해도 된다는 뜻.

 

대괄호 안에서 . * + 는 하나의 문자가 된다.

 

 

^ : 캐릿

대괄호 앞에 ^이 들어가면 대괄호의 내용과 반대되는것을 반환함.

 

예를들어 ^[0-9] 면 숫자가 아닌것을 반환함.

 

 

. : 마침표 : 모든 문자와 일치

모든 문자와 일치하는 (개행을 제외) 정규표현식이다.

단, [] 안에 들어가 있다면 하나의 . 로 취급한다. (주의)

 

 

 

 

3. 정규식 그룹

() 괄호로 그룹을 묶을 수 있다. 예를들어 (\d)-(\d-\d) 으로 묶었다면 group(1)은 \d , group(2)는 \d-\d가 된다.

 

 

4. 그외 정규식 

 

re.match('패턴','검사하려는 문자열')  : 문자열의 처음부터 패턴 일치 여부 확인

 

re.search : 처음부터가 아니라 중간에 있어도 상관 없음.

 

re.findall : 문자열 중 패턴과 일치되는 모든 부분 찾기.