정규 표현식 시작하기

정규 표현식의 기초, 메타 문자

 

정규 표현식에서 사용하는 메타 문자 (meta characters)에는 다음과 같은 것이 있다.

. ^ % * + ? { } [ ] \ | ( )

 

★메타 문자란 원래 그 문자가 가진 뜻이 아닌 특별한 용도로 사용하는 문자를 말한다.

 

정규 표현식에 위 메타 문자를 사용하면 특별한 의미를 갖게 된다.

 

자, 그러면 가장 간단한 정규 표현식부터 시작해 각 메타 문자의 의미와 사용법을 알아보자.

 

 

문자 클래스 [ ]

우리가 가장 먼저 살펴볼 메타 문자는 바로 문자 클래스(character class)인 [ ]이다. 문자 클래스로 만들어진 정규식은 '[ ]사이의 문자들과 매치' 라는 의미를 갖는다.  문자 클래스를 만드는 메타 문자인 [ ] 사이에는 어떤 문자도 들어갈 수 있다.

즉, 정규표현식이 [abc]라면 이 표현식의 의미는 'a, b, c 중 한 개의 문자와 매치'를 뜻한다.

이해를 돕기 위해 문자열 "a", "before", "dude"가 정규식 [abc]와 어떻게 매치되는지 살펴 보자.

 

정규식	문자열	매치여부	설명
[abc]	a	Yes	"a"는 정규식과 일치하는 문자인 "a"가 있으므로 매치
	before	Yes	"before"는 정규식과 일치하는 문자인 "b"가 있으므로 매치
	dude	No	"dude"는 정규식과 일치하는 문자인 a, b, c 중 어느 하나도 포함하고 있지 않으므로 매치되지 않음

 

[ ]안의 두 문자 사이에 하이픈( - )을 사용하면 두 문자 사이의 범위(From - To)를 의미한다. 예를 들어 [a-c]라는 정규 표현식은 [abc]와 동일하고 [0-5]는 [012345]와 동일하다.

 

문자 클래스([ ]) 안에는 어떤 문자나 메타 문자도 사용할 수 있지만 주의해야 할 메타 문자가 1가지 있다. 그것은 바로 ^인데, 문자 클래스 안에 ^ 메타 문자를 사용할 경우에는 반대(not)라는 의미를 갖는다. 예를 들어 [^0-9]라는 정규 표현식은 숫자가 아닌 문자만 매치된다.

 

[a-zA-Z] : 알파벳 모두 

[0-9] : 숫자

 

 

★ 자주 사용하는 문자 클래스

[0-9] 또는 [a-zA-Z] 등은 무척 자주 사용하는 정규 표현식이다. 이렇게 자주 사용하는 정규식은 별도의 표시법으로 표현할 수 있다. 다음을 기억해 두자.

정규 표현식	설명
\d	숫자와 매치, [0-9]와 동일한 표현식이다.
\D	숫자가 아닌 것과 매치, [^0-9]와 동일한 표현식이다.
\s	whitespace 문자(space나 tab처럼 공백을 표현하는 문자)와 매치, [\t\n\r\f\v] 와 동일한 표현식이다. 맨 앞의 빈칸은 공백 문자(space)를 의미한다.
\S	whitespace 문자가 아닌 것과 매치. [^ \t\n\t\f\v] 와 동일한 표현식이다.
\w	문자+숫자(alphanumeric)와 매치, [a-zA-Z0-9_]와 동일한 표현식이다.
\W	문자+숫자(alphanumeric)가 아닌 문자와 매치, [^a-zA-Z0-9_]와 동일한 표현식이다.

대문자로 사용된 것은 소문자의 반대임을 추측할 수 있다.

 

 

Dot(.)

정규 표현식의 Dot(.)메타 문자는 줄바꿈 문자인 \n을 제외한 모든 문자와 매치됨을 의미한다.

나중에 배우겠지만 정규식을 작성할 때 re.DOTALL 옵션을 주며 \n 문자와도 매치된다.

 

다음 정규식을 보자.

a.b      =>a와 b사이에 줄바꿈 문자를 제외한 어떤 문자가 들어가도 모두 매치

 

위 정규식의 의미는 "a + 모든문자 + b"와 같다. 즉 a와 b라는 문자사이에 어떤 문자가 들어가도 모두 매치된다는 의미이다.

이해를 돕기 위해 문자열 "aab", "a0b", "abc"가 정규식 a.b와 어떻게 매치되는지 살펴보자.

 

정규식	문자열	매치 여부	설명
a.b	aab	Yes	"aab"는 가운데 문자 "a"가 모든 문자를 의미하는 .과 일치하므로 정규식과 매치
	a0b	Yes	"a0b"는 가운데 문자 "0"이 모든 문자를 의미하는 .과 일치하므로 정규식과 매치
	abc	No	"abc"는 "a"문자와 "b"문자 사이에 어떤 문자라도 하나는 있어야 하는 이 정규식과 일치하지 않으므로 매치되지 않음

 

 

다음 정규식을 보자.

a[.]b   =======> a 와 b 사이에 Dot(.) 문자가 있으면 매치

 

이 정규식의 의미는 "a + Dot(.)문자 + b"와 같다. 따라서 정규식 a[.]b는 "a.b" 문자열과 매치되고, "a0b" 문자열과는 매치되지 않는다.

만약 앞에서 살펴본 문자 클래스([]) 안에 Dot(.) 메타 문자가 사용된다면 이것은 '모든 문자'라는 의미가 아닌 문자 . 그대로를 의미한다. 혼동하지 않도록 주의하자.

 

 

 

반복(*)

다음 정규식을 보자.

 

ca*t      =====> * 문자 바로 앞에 있는 a가 0번 이상 반복되면 매치

 

이 정규식에는 반복을 의미하는 * 메타 문자가 사용되었다. 여기에서 사용한 *은 *바로 앞에 있는 문자 a가 0부터 무한대로 반복될 수 있다는 의미이다. 

여기에서 * 메타 문자의 반복 개수가 무한대라고 표현했는데 사실 메모리 제한으로 2억 개 정도만 가능하다고 한다.

 

 

즉 다음과 같은 문자열이 모두 매치된다.

정규식	문자열	매치 여부	설명
ca*t	ct	Yes	"a"가 0번 반복되어 매치
	cat	Yes	"a"가 0번 이상 반복되어 매치 (1번 반복)
	caaat	Yes	"a"가 0번 이상 반복되어 매치 (3번 반복)

 

 

 

반복(+)

반복을 나타내는 또 다른 메타 문자로 + 가 있다.

+는 최소 1번 이상 반복될 때 사용한다. 즉 *가 반복 횟수 0부터라면 + 는 반복 횟수 1부터인 것이다.

다음 정규식을 보자.

ca+t   ======>  + 문자 바로 앞에 있는 a가 1번 이상 반복되면 매치

 

위 정규식 의미는 "c + a(1번 이상 반복) + t" 라 같고, 정규식에 대한 매치여부는 다음 표와 같다.

정규식	문자열	매치 여부	설명
ca+t	ct	No	"a"가 0번 반복되어 매치되지 않음
	cat	Yes	"a"가 1번 이상 반복되어 매치 (1번 반복)
	caaat	Yes	"a"가 1번 이상 반복되어 매치 (3번 반복)

 

 

 

반복({m,n},?)

여기에서 잠깐 생각해 볼 게 있다. 반복 횟수를 3회만 또는 1회부터 3회까지만으로 제한하고 싶을 수도 있지 않을까?

{ } 메타 문자를 사용하면 반복 횟수를 고정할 수 있다. {m,n} 정규식을 사용하면 반복 횟수가 m부터 n까지 매치할 수 있다. 또한 m 또는 n을 생략할 수도 있다. 만약 {3,}처럼 사용하면 반복 횟수가 3 이상인 경우이고 {,3}처럼 사용하면 반복 횟수를 3 이하를 의미한다. 생략된 m은 0과 동일하며, 생략된 n은 무한대(2억 개 미만)의 의미를 갖는다.

 

{1,}은 +와 동일하고, {0,}은 *와 동일하다.

 

{ }을 사용한 몇 가지 정규식을 살펴보자.

 

 

1) {m}

ca{2}t     =====> a가 2번 반복되면 매치

 

위 정규식의 의미는 "c + a(반드시 2번 반복) + t" 와 같고, 정규식에 대한 매치여부는 다음 표와 같다.

 

정규식	문자열	매치 여부	설명
ca{2}t	cat	No	"a"가 1번만 반복되어 매치되지 않음
	caat	Yes	"a"가 2번 반복되어 매치

 

 

 

 

2) {m,n}

ca{2,5}t     ====> a가 2~5번 반복되며 매치

 

위 정규식의 의미는 "c + a(2~5번 반복) + t" 와 같고, 정규식에 대한 매치여부는 다음 표와 같다.

정규식	문자열	매치 여부	설명
ca{2,5}t	cat	No	"a"가 1번만 반복되어 매치되지 않음
	caat	Yes	"a"가 2번 반복되어 매치
	caaaat	Yes	"a"가 5번 반복되어 맻리

 

 

 

 

3) ?

반복은 아니지만 이와 비슷한 개념으로 ?이 있다. ? 메타 문자가 의미하는 것은 {0, 1} 이다.

다음 정규식을 보자.

 

ab?c    ======>  b가 0~1번 사용되면 매치

 

위 정규식의 의미는 "a + b(있어도 되고 없어도 된다) + c" 와 같고, 정규식에 대한 매치 여부는 다음과 같다.

정규식	문자열	매치여부	설명
ab?c	abc	Yes	"b"가 1번 사용되어 매치
	ac	Yes	"b"가 0번 사용되어 매치

즉 b 문자가 있거나 없거나 둘 다 매치되는 경우이다.

 

*, +, ? 메타 문자는 모두 {m, n} 형태로 고쳐 쓰는 것이 가능하지만 가급적 이해하기 쉽고 표현도 간결한 *, +, ? 메타 문자를 사용하는 것이 좋다.

 

지금까지 아주 기초적인 정규 표현식에 대해서 알아보았다. 알아야 할 것들이 아직 많이 남아 있지만 그에 앞에서 파이썬으로 이러한 정규 표현식을 어떻게 사용할 수 있는지 먼저 알아보기로 하자.