정규표현식(Regular Expressions)은 복잡한 문자열을 처리할 때 사용하는 기법으로, 파이썬만의 고유 문법이 아니라 문자열을 처리하는 모든 곳에서 사용된다. 즉, 꼭 필요한 것은 아니지만 정규표현식을 알고 있다면 훨씬 더 간결하고 직관적인 코드를 작성할 수 있다.

정규표현식을 사용하기 위해서는 제일 먼저 re 모듈을 import 해야한다. re 모듈은 파이썬이 설치될 때 자동으로 설치되는 기본 라이브러리로 설치할 필요는 없다.

import re

정규표현식에서 사용하는 메타문자

. & $ * ? { } [ ] \ | ( )

• 문자클래스 [ ]

  [ 와 ] 사이의 문자들과 매치. [ ] 사이에 하이픈(-)을 사용하면 두 문자 사이의 범위를 의미

• Dot .

  줄바꿈 문자인 \n 을 제외한 모든 문자와 매치됨을 의미

• 반복 *

  바로 앞에 있는 문자가 0부터 무한대로 반복될 수 있다는 의미

• 반복 +

  바로 앞에 있는 문자가 최소 1번 이상 반복될 때 사용

• 반복 ?

  {0,1}을 의미 ⇒ 있거나 없거나

• 반복 {m,n}

  { } 메타 문자를 이용하면 반복 횟수를 고정 가능

  • {m, n} m번부터 n번까지
  • {n} n번 반복
  • {m, } m번 이상 / { ,n} n번 이하를 의미

• |

  or과 동일한 의미로 사용

• ^

  문자열의 맨 처음과 일치함을 의미

• &

  ^ 메타 문자와 반대의 경우로 문자열의 끝과 매치함을 의미

대표문자 (Meta sequence)

숫자 대표문자

• \d는 숫자를 대표하는 정규표현식
• 이때 d는 digit을 뜻한다

문자 대표문자

• \w는 글자를 대표하는 정규표현식
• \w는 a, b, c, 가, 나, 다, 1, 2와 같은 문자와 숫자를 포함한다.
• 특수문자는 포함하지 않지만, _(언더스코어)는 포함한다.

기타 대표문자

• \s 공백 문자(스페이스, 탭, 뉴라인)
• \S 공백 문자를 제외한 문자
• \D 숫자를 제외한 문자
• \W 글자 대표 문자를 제외한 글자들(특수문자, 공백 등)

횟수 정하기 (Quantifier)

하나 이상

• \d 나 \w 는 숫자나 글자 한 글자만 찾는다.
• 이때 한 개 이상의 연결된 숫자나 글자를 찾고 싶다면 + 를 이용하면 된다.
• +는 하나 혹은 그 이상 연결된이라는 뜻
• \d+는 하나 혹은 그 이상 연결된 숫자를 의미

0개 이상

• 만약 나올 수도 있고, 나오지 않을 수도 있는 경우 즉 0개 이상을 찾고 싶다면 * 를 이용하면 된다.
• \d*는 0개 이상의 연결된 숫자를 의미
• 이때 만약 자연수인 수를 찾고 싶다면 자연수가 0으로 시작할 수 없으므로 [1-9]\d*로 표현 가능

있거나 없거나

• ?는 ‘있거나 없거나’라는 뜻

010-1234-5678 형태로 되어있는 전화번호를 찾는 정규표현식

• 따라서 -?는 -가 있거나 없다를 의미

regex = r'\d+-?\d+-?\d+'

search_target = '''Luke Skywarker 02-123-4567 luke@daum.net
다스베이더 070-9999-9999 darth_vader@gmail.com
princess leia 010 2454 3457 leia@gmail.com'''

import re
result=re.findall(regex,search_target)
print(result)

# ['02-123-4567', '070-9999-9999', '010', '2454', '3457']

010 1234 5678처럼 공백으로 구분된 전화번호를 찾는 경우도 추가

• • 또는 (공백)이 있거나 없다는 조건은 [- ]?로 표현

regex = r'\d+[- ]?\d+[- ]?\d+'

search_target = '''Luke Skywarker 02-123-4567 luke@daum.net
다스베이더 070-9999-9999 darth_vader@gmail.com
princess leia 010 2454 3457 leia@gmail.com'''

import re
result=re.findall(regex,search_target)
print(result)
# ['02-123-4567', '070-9999-9999', '010 2454 3457']

n번

• {숫자}는 숫자번 반복한다는 뜻
• 예를 들어 \d{2}는 숫자가 연속 두 번 나온다는 뜻

n~m번

• {숫자1, 숫자2}는 숫자1부터 숫자2까지 반복한다는 뜻
• 예를 들어, \w{2,3}는 문자가 2 ~ 3번 나온다는 뜻

다양한 형식의 전화번호를 찾는 정규표현식

regex = r'\d{2,3}[- ]?\d{3,4}[- ]?\d{4}'

search_target = '''이상한 전화번호 0030589-5-95826
Luke Skywarker 02-123-4567 luke@daum.net
다스베이더 070-9999-9999 darth_vader@gmail.com
princess leia 010 2454 3457 leia@gmail.com'''

import re
result=re.findall(regex,search_target)
print(result)
# ['02-123-4567', '070-9999-9999', '010 2454 3457']

고르기

몇 개 중에 고르기

• 대괄호[ ] 안에 글자를 넣으면 해당 글자를 모두 선택 가능
• 예를 들어, 알파벳 중에 소문자 모음(a,e,i,o,u)만 고르고 싶다면 [aeiou]

범위에서 고르기

• [범위시작-범위끝] 은 범위 시작부터 범위 끝까지를 모두 선택하라는 의미
• 예를 들어 소문자 알파벳만 모두 고르고 싶다면 [abcdefghijklmnopqrlstuvwxyz]처럼 대괄호 안에 소문자를 모두 나열할 수도 있지만, 간단히 [a-z]를 써도 된다
• 알파벳 모두 ⇒ [a-zA-Z]
• 한글 단어 ⇒ [가-힣]
• 숫자 ⇒ [0-9]
• TIP. 연속된 영어 소문자 찾기 ⇒ [a-z]+

Ref.

• 점프 투 파이썬
• 프로그래머스 정규표현식 강의