python 17장. 정규표현

드디어 파이썬 마지막 시간 🤪
정규표현식에 대해 알아보자


정규표현식은 일정한 규칙을 가진 문자열을 표현하는 방법이다
이를 사용하면

✔ 특정 규칙(패턴)을 가진 문자열을 쉽게 찾을 수 있다

✔ 반복적인 텍스트 처리 자업을 자동화할 수 있다

✔ 어렵고 복잡한 검색 조건을 구현해 문자열을 검색 할 수 있다

---

정규표현식(Regex)

일정한 규칙을 가진 문자열을 표현하는 방법

• 정규표현식은 re모듈을 가져와서 사용
  
  

📌 r (raw string)

* 문자열 안에 있는 백슬레시('\')를 그대로 해석하도록 하는 문자열 리터럴

# 일반 문자열
pattern = '^Hello' 
pattern_with_newline = '^Hello\\nWorld'

# raw string
pattern_raw_with_newline = r'^Hello\nWorld' # 이 경우 백슬래시를 한 번만 써도 된다

print(pattern)  >> ^Hello
print(pattern_with_newline)  >>  ^Hello\nWorld
print(pattern_raw_with_newline)  >> 출력: ^Hello\nWorld

1. match/search

✔ match: 문자열이 특정 패턴으로 시작하는지 확인

* 문자열 시작부터 패턴이 일치하는지 확인

✔ search: 문자열에 특정 패턴이 포함되어 있는지 확인

* 문자열 전체를 검색해 어느 부분이든 패턴과 일치하는 첫 부분 찾기

함수	동작 방식	예시	매칭 여부
match	문자열의 시작부터 패턴이 일치하는지 확인	re.match(r"\d+", "123abc")	매칭됨
		re.match(r"\d+", "abc123")	매칭되지 않음
search	문자열 전체를 검색하여 첫 번째 패턴 일치 부분을 찾음	re.search(r"\d+", "123abc")	매칭됨
		re.search(r"\d+", "abc123")	매칭됨

2. findall

* 패턴에 매칭되는 모든 문자열 가져오기

re.findall('패턴', '문자열')


import re

d = re.findall('[0-9]+', '1 2 Fizz 4 Buzz Fizz 7 8')
print(d)


>> ['1', '2', '4', '7', '8']

📌 정규표현식 패턴

패턴	설명	예제	매치 결과
.	.이 있는 위치에 임의의 한 문자 (줄바꿈 문자 제외)	a.b	acb, aab
^	문자열의 시작	^a	abc
$	문자열의 끝	a$	cba
*	앞의 문자가 0번 이상 반복됨	a*	aaa, ``
+	앞의 문자가 1번 이상 반복됨	a+	aaa
?	앞의 문자가 0번 또는 1번 나타남	a?	a, ``
{m,n}	앞의 문자가 m번 이상, n번 이하 반복됨	a{2,4}	aaa
[ ]	대괄호 안의 문자 중 하나와 매치	[abc]	a, b, c
[^ ]	대괄호 안에 없는 문자와 매치	[^abc]	d
[a-z]	문자 범위와 매치	[a-z]	m
\d	숫자와 매치 (0-9)	\d	1
\D	숫자가 아닌 것과 매치	\D	a
\s	공백 문자와 매치 (스페이스, 탭, 줄 바꿈 등)	\s	(스페이스)
\S	공백 문자가 아닌 것과 매치	\S	a
\w	단어 문자와 매치 (알파벳, 숫자, 언더스코어)	\w	a, _, 1
\W	단어 문자가 아닌 것과 매치	\W	!
'ㅣ'	OR 연산자 (a or b 가 있는지)	a\|b	a, b
( )	그룹화	(abc)+	abcabc
\b	단어 경계	\bword\b	word
\B	단어 경계가 아님을 나타냄	\Bsword\B	swordsmith

📌 그룹

* 해당 그룹과 일치하는 문자열을 얻어올 때 사용

match.group(그룹숫자)

(?P<이름>정규표현식)
match.group('그룹이름')

import re

m = re.match('[0-9]+ (0-0]+)', '10 925'

print(m.group(1))
>> '10'
print(m.group(2))
>> '295'

m = re.match(r'(?P<func>[a-zA-Z_][a-zA-Z0-9_]*)\((?P<arg>\d+)\)', 'print(1234)')

print(m.group('func'))
>>print
print(m.group('arg'))
>> 1234

📌 sub

* 문자열을 다른 문자열로 바꿀 때 사용

re.sub('패턴', '바꿀문자열', '문자열', 바꿀횟수)

text = "Hello! @world! This is 2024. @#$%^&*"'
pattern = r'[a-zA-Z0-9/s]'
re.sub(pattern, ' ', text)


>> Hello world This is 2024

* 람다 표현식으로도 쓸 수 있다

import re

result = re. sub('[0-9]+', lambda m: str(int(m.group()) *10), '1 2 Fizz 4 Buzz Fizz 7 8')
print(result)

>> '10 20 Fizz 40 Buzz Fizz 70 80'

---

💡 정규표현식을 이용해 주어진 문자열에서 이메일 주소를 찾는 코드를 작성해보자

>> text = "alice@example.com 이 첫 번째 이메일이고, 다음은 bob.smith@mail.co.uk 입니다."

import re

text = "alice@example.com 이 첫 번째 이메일이고, 다음은 bob.smith@mail.co.uk 입니다."

pattern = r'^[a-zA-Z0-9._]+@[a-zA-Z0-9.-]+\.[a-zA-z]{2,}'
match = re.match(pattern, text)

if match:
     print(match.group()) #pattern에 맞은 이메일 문자열 반환
else:
     print("문자열 시작에 이메일이 없습니다")

💡 주어진 문자열이 특정 단어 'Hello'로 시작하는지 확인하는 코드를 작성해보자

>> text = "Hello, how are you today? Hello, I'm fine."

import re

text = "Hello, how are you today? Hello, I'm fine."

pattern = '^Hello'
match = re.match(pattern, text)

if match:
     print('문자열이 "Hello"로 시작합니다')
else:
     print('문자열이 "Hello"로 시작하지 않습니다')

💡 주어진 문자열에서 특정 단어 'sample'가 있는지 확인하는 코드를 작성해보자

>> text = "This is a sample text with the word 'sample' in it."

import re

text = "This is a sample text with the word 'sample' in it."
pattern = r'sample'
result = re.findall(pattern, text)

if result:
     print('문자열에 "simple"이 포함되어 있습니다')
else:
      print('문자열에 "simple"이 포함되어 있지 않습니다')

💡 주어진 문자열에서 날짜 형식을 가진 문자열이 있는지 확인하는 코드를 작성해보자

>> text = "오늘의 날짜는 2023-06-28 이고, 내일은 2023-06-29 입니다."

import re

text = "오늘의 날짜는 2023-06-28 이고, 내일은 2023-06-29 입니다."

pattern = r'\d{4}-\d{2}-\d{2}'
match = re.findall(pattern, text)

if match:
     print(match)
else:
     print("날짜 형식을 가진 문자열이 없습니다")

💡 주어진 문자열에 있는 소수점 두자리 이상을 가진 숫자를 찾는 코드를 작성해보자

>> text = "상품의 가격은 19.99 달러와 100.0 달러, 0.99, 10.123달러 입니다."

import re

text = "상품의 가격은 19.99 달러와 100.0 달러, 0.99, 10.123 달러 입니다."

pattern = r'\d+\.\d{2,}'
match = re.findall(pattern, text)

if match:
     print(match)
else:
     print("소수점을 포함한 숫자를 찾지 못했습니다")

💡 주어진 문자열(HTML)에서 모든 태그를 찾는 코드와 제거하는 코드를 작성해보자

>> text = "<html><head><title>Test</title></head><body><h1>Header</h1><p>Paragraph</p></
body></html>"




import re

text = "<html><head><title>Test</title></head><body><h1>Header</h1><p>Paragraph</p></body></html>"

pattern = r'<[^>]+>'
match = re.findall(pattern, text)

# 태그 찾기
if match:
     print(match)
else:
     print("태그를 발견하지 못했습니다")

#태그 제거하기
def remove_tag(text):
     pattern = r'<[^>]+>'
     match = re.sub(pattern, ' ', text)
     return match

print(remove_tag(text))