정규식

in 정보검색 on 정보검색


  • 정규식이란, 비정형 데이터로부터 특정 텍스트를 탐색하기 위한 방법이다.

image1

  • . = any one character

    • .x : 2글자인데 x로 끝남

  • * = 0 or more

    • x* : x가 없거나 한번이상 반복

  • + = 1 or more

    • x+ : x가 한번 이상 반복(x, xx, xxx, ..)

  • ? = 0 or 1

    • https? : http or https

  • {n,m} = n에서 m개

  • {n,} = n개 이상

  • ^ = start of line
  • $ = end of line
ex) (^[1-9]{1}$^[1-4]{1}[0-9]{1}$^50$) : 1이상 50이하인 숫자

  • [] = checking any single character

    • [http] : htp 중 하나
    • [http]{3,4} : htp 인 3글자 or 4글자 (ttph, thp,htpp)

    • [A-Z], [a-z], [ㄱ-ㅎ], [ㅏ-ㅣ], [가-힣]

      • ㅋㅋㅋ,ㅎㅎ등 없이 문자만 가져온다 하면 [A-Za-z가-힣]+

    • [^~] : not

      • [^htp] : h,t,p가 아닌 모든 문자 하나

  • \b : 공백사이의 문자

    • \b[a-z]{3}\b : 소문자 3자로 이루어진 한 단어 (adn, enr, ..)

  • \B : 공백사이 문자 X

    • \B[a-z]+\B : 공백이 아닌, 양옆 한문자 사이에 있는 소문자(들) (File, Insert, 3thousands..)

  • \w : any word, \W : not a word

  • \s : 공백, \S : 공백 X

  • \d : 숫자, \D : 숫자 X

  • .* : greedy vs. .*? : lazy

    • greedy : 마지막으로 매치되는 것까지

      ​ s.*o => stackoverflow

    • lazy : 제일 처음 매치되는 것까지

      ​ s.*?o => stackoverflow

  • () : 그룹핑

re 라이브러리

  • re.compile : 패턴 만들어줌
  • re.search : 만든 패턴을 글 내용에서 찾아줌
  • re.findall : 전부 다 찾아줌
  • re.sub : 패턴 대체

[examples]

#주민번호 뒷자리 변경하기
import re

data = '''
park 800908-1234567
kim 700808-1483291
'''

pattern = re.compile(r'(\d{6})[-](\d{7})')
pattern.search(data)
#<re.Match object; span=(6, 20), match='800908-1234567'>

pattern.search(data).groups()
#('800908', '1234567')

pattern.sub('\g<1>-*******', data)
'''
park 800908-*******
kim 700808-*******
'''

re.search(r'(ABC)+', 'ABCABCA A').group()
#'ABCABC'

re.search(r'\bclass\b', 'the declassified algorithm') 
#공백으로 감싸지지 않아서 못찾음 
re.search(r'\Bclass\B', 'the declassified algorithm') 
#<re.Match object; span=(6, 11), match='class'>

re.search(r'(\w+) (\w+)', 'Isaac Newton, physicist').groups() #앞에 두단어 찾기
#('Isaac', 'Newton')

#핸드폰 번호 수집
data1 = '010-0000-0000'
data2 = '010 0000 0000'
data3 = '010.0000.0000'
data4 = '01000000000' #이 모든 것을 찾을 수 있도록

pattern = re.compile(r'(\d{3})[-. ]?(\d{4})[-. ]?(\d{4})')
pattern.search(data_)

#이메일 주소 수집
data = '''
    test1@test.com
    test2@test.co.kr
    test3@email.test.com
    12test@test.com			#첫글자숫자X
    test4@email.test.co.kr
    test@test				#X
'''

re.findall(r'\b([A-Za-z][A-Za-z0-9-_.]+@[A-Za-z0-9]+(?:[.][A-Za-z0-9]+)+)', data)
#

'''
['test1@test.com',
 'test2@test.co.kr',
 'test3@email.test.com',
 'test4@email.test.co.kr']
'''
  • ?: = non capturing group -> 해당 그룹 출력하지 X



© by Jihye Kwon