[DataScience] re 모듈

📢 정규표현식이란?

특정한 규칙을 가진 문자열의 집할을 표현하는데 사용하는 형식 언어

📢 re 모듈

A built-in package called re, which can be used to work with Regular Expression

⚙️ 사용법

import re
text = "The rain in Spain"
x = re.search("^The.*Spain$, txt)

▶️ RegEx Functions

Function	Description
findall	Returns a list containing all matches
search	Returns a Match object if there is a match anywhere in the string
split	Returns a list where the string has been split at each match
sub	Replaces one or many matches with a string

📢 re 모듈 함수

⚙️ match(패턴, 문자열, 플래그)

문자열의 처음부터 시작해서 작성한 패턴이 일치하는지 확인

import re

print(re.match('a','ab'))
print(re.match('a','bba'))

# <re.Match object; span=(0, 1), match='a'>
# None

⚙️ search(패턴, 문자열, 플래그)

match와 유사하지만 패턴이 문자열의 처음과 일치하지 않아도 됨

import re

print(re.match('a','ab'))
print(re.match('a','abba'))

# <re.Match object; span=(0, 1), match='a'>
# <re.Match object; span=(2, 3), match='a'>

⚙️ findall(패턴, 문자열, 플래그)

문자열 안에 패턴에 맞는 케이스를 전부 찾아서 리스트로 반환

import re

print(re.findall('a','a'))
print(re.findall('a','aba'))
print(re.findall('\d', '숫자123이 이렇게56 있다8'))
print(re.findall('\d+', '숫자123이 이렇게56 있다8'))

# ['a']
# ['a', 'a']
# ['1', '2', '3', '5', '6', '8']
# ['123', '56', '8']

⚙️ finditer(패턴, 문자열, 플래그)

findall()과 유사하지만 패턴에 맞는 문자열의 리스트가 아닌 iterator 형식으로 반환

import re

re_iter = re.finditer('a', 'baa')
for s in re_iter:
    print(s)

# <re.Match object; span=(1, 2), match='a'>
# <re.Match object; span=(2, 3), match='a'>

⚙️ fullmatch(패턴, 문자열, 플래그)

문자열에 시작과 끝이 정확하게 패턴과 일치할 때 반환

match()는 처음부터 패턴에 맞으면 반환을 하지만 해당 함수는 시작과 끝이 정확하게 일치해야 함

import re

print(re.fullmatch('a', 'a'))
print(re.fullmatch('a', 'aaa'))
print(re.fullmatch('a', 'ab'))
print(re.fullmatch('a', 'ba'))
print(re.fullmatch('a', 'baa'))


# <re.Match object; span=(0, 1), match='a'>
# None
# None
# None
# None

⚙️ split(패턴, 문자열, 최대 split 수, 플래그)

문자열에서 패턴이 맞으면 이를 기점으로 리스트로 쪼개는 함수

만약 3번째 인자(최대 split 수)를 지정하면 문자열을 지정한 수 만큼 쪼개고 그 수가 도달하면 쪼개지 않음

import re

print(re.split('a', 'abaabca'))
print(re.split('a', 'abaabca', 2))


# ['', 'b', '', 'bc', '']
# ['', 'b', 'abca']

⚙️ sub(패턴, 교체할 문자열, 최대 교체 수, 플래그)

문자열에 맞는 패턴을 2번째 인자(교체할 문자열)로 교체

최대 교체 수를 지정하면 문자열에 맞는 패턴을 교체할 문자열로 교체하고 그 수가 도달하면 더이상 교체하지 않음

import re


print(re.sub('a', 'z', 'ab'))
print(re.sub('a', 'zxc', 'ab'))
print(re.sub('a', 'z', 'aaaab'))
print(re.sub('a', 'z', 'aaaab', 1))


# zb
# zxcb
# zzzzb
# zaaab

⚙️ subn(패턴, 교체할 문자열, 최대 교체 수, 플래그)

sub()와 동작은 동일하지만 반환 결과가 결과(문자열, 매칭횟수) 형태로 반환됨

import re


print(re.subn('a', 'z', 'ab'))
print(re.subn('a', 'zxc', 'ab'))
print(re.subn('a', 'z', 'aaaab'))
print(re.subn('a', 'z', 'aaaab', 1))

# ('zb', 1)
# ('zxcb', 1)
# ('zzzzb', 4)
# ('zaaab', 1)

⚙️ compile(패턴, 플래그)

만약 패턴과 플래그가 동일한 정규식을 여러번 사용하려면 compile()를 사용하며 지정한 다음, 위의 함수들을 사용 가능

import re

c = re.compile('a')

print(c.sub('zxc', 'abcdefg'))
print(c.search('vcxdfsa'))


# zxcbcdefg
# <re.Match object; span=(6, 7), match='a'>

⚙️ purge()

위 complie()로 만들어 놓은 객체는 캐시에 보통 100개까지 저장되고 그 수를 넘어가면 초기화 됨

purge()를 호출하면 100개가 넘어가지 않아도 캐시를 초기화 하는 함수입니다.

import re


re.purge()

⚙️ escape(패턴)

패턴을 입력 받으면 특수문자들에 익스케이프(백슬래쉬)처리를 한 다음 반환

import re


print(re.escape('(\d)'))


# \(\\d\)

⚙️ match object method()

findall()를 제외하고 모든 함수들의 반환은 match object로 반환됨

mathch object에서는 group(),start(), end(),span()과 같이 찾은 패턴이 문자열의 위치나 매칭 문자열을 반환하는 함수 제공

예를 들어 search()로 패턴에 맞는 문자열을 찾았다 하면

• group() 메서드를 통해 패턴에 맞는 문자열을 추출

• start()를 사용해 문자열에서 어디부터 패턴에 맞는 문자가 시작했는지

• end()를 통해 어디까지인지

• span()으로 어디부터 어디까지인지

  확인할 수 있음

import re

result = re.search('aa', 'baab')
print(result.group())
print(result.start())
print(result.end())
print(result.span())


# aa
# 1
# 3
# (1, 3)

⚙️ groupdict()

groupdict()를 사용하려면 패턴에 맞는 결과에 이름을 주어야함

패턴에 이름을 주려면 (?P<이름>) 형식이 되어야만 합니다. 여기서도 소괄호가 존재하지 않으면 에러가 발생

import re

result = re.match('(?P<front>\d{2})-(?P<middle>\d{3,4})-(?P<rear>\d{4})', '02-123-1234')

print(result.groupdict())
print(result.groups())
print(result.group(1))
print(result.group('front'))


# {'front': '02', 'middle': '123', 'rear': '1234'}
# ('02', '123', '1234')
# 02
# 02

📢 플래그 (=수정자)

위 함수들의 가장 마지막 인자에는 패턴을 추가할 수 있으며 re모듈은 아래와 같은 패턴을 지원

Acronym	Name	Description
re.I	IGNORECASE	알파벳 대소문자 구분X
re.M	MULTILINE	여러 줄의 문자열에 대해 패턴 탐색 가능
re.S	DOTALL	.메타 문자가 개행 문자와 매치되도록 함
re.X	VERBOSE	정규식 안의 공백 무시
re.U	UNICODE	문자 분류에 Unicode Encoding을 지정함

사용예시

import re

s = """
c
b
A
"""
print(re.search('a', s, re.M|re.I))


# <re.Match object; span=(5, 6), match='A'>

📌 여러 패턴(플래그)를 사용하려면 |사용

출처

참고자료1
참고자료2
참고자료3