정규표현식은 어려워서 매번 구글링하고 블로그에 올라온 것 그냥 복사해서 사용하고 그랬는데, 해봅시다.
https://regexr.com/ 에서 함께 ㄱㄱ
1. 그룹
1) ()
괄호 안의 전체를 단 1개의 패턴으로 봅니다. 따라서 작성한 순서가 하나의 패턴으로 유지됩니다.
- (18일) 총 1개가 매칭 되었습니다.
- (18일) 은 18일 단 1개의 패턴을 의미합니다.
2) []
패턴의 집합을 의미합니다. 괄호 안에 있는 것을 각각 독립적인 패턴으로 보기 때문에 하나라도 만족하는 것을 찾습니다.
그렇기 때문에 내부의 순서는 지켜지지 않습니다.
- (8, 1, 8, 일) 총 4개가 매칭 되었습니다.
- [18일]은 1, 8, 일 총 3개의 패턴의 집합을 의미합니다.
2. []와 함께 쓰는 표현
1) [^패턴]
^은 대괄호[]와 안에서 not의 의미를 가집니다.
따라서, 내부의 패턴과 조합하면,
대괄호 안의 패턴과 일치하지 않는 모든 것을 찾습니다.
- (8, 1, 8, 일) 4개와 매칭되지 않는 문자들을 모두 찾습니다.
2) 숫자 [0-9]
- 은 대괄호 안에서 x부터 y까지의 의미를 가집니다.
- [0-9] 는 0123456789를 의미합니다. (8, 1, 8) 3개가 매칭됩니다
3) 영소문자[a-z]
- [a-z] 는 영소문자를 의미합니다.
4) 영대문자 - [A-Z]
- [A-Z] 는 영대문자를 의미합니다.
앞에서 배운것을 모두 함께 사용하면
영소문자, 영대문자 그리고 숫자에 매칭된 모든것을 찾습니다.
5) 한글 - [ㄱ-ㅎㅏ-ㅣ가-힣]
- [ㄱ-ㅎㅏ-ㅣ가-힣]는 한글을 의미합니다.
워워, 생긴것이 난해하지만, 자 후달리지 맙시다.
지금까지의 것들을 하나씩 생각해봅시다.
x-y 은 x부터 y까지를 의미합니다.
그럼
- [ㄱ-ㅎ] - ㄱ부터 ㅎ까지 자음 전체
- [ㅏ-ㅣ] - ㅏ부터 ㅣ까지 모음 전체
- [가-힣] - 사전순으로 올 수 있는 가 부터 제일 마지막 힣까지 글자 전체
자음[ㄱ-ㅎ], 모음[ㅏ-ㅣ] 한글 [가-힣] 모두 매칭됩니다.
3. 대표 문자
1) 숫자 - \d
숫자를 의미하며, 0123456789 에 해당합니다. [0-9]와 같습니다.
[0-9] 있는데 \d 왜 사용함?
간단하게 사용하라고
2) 단어 영문자, 숫자, 밑줄 - \w
문자를 의미하며, 단어 영문자+숫자+(밑줄) 에 해당합니다. [0-9a-zA-Z] 와 같습니다.
생각보다 헷갈림, 문자 -> word -> \w 이렇게 느껴지는데 숫자도 들어가고 다르니까..
영문자 찾는다면 [a-zA-Z] 추천
4. 개수
1) {개수}
1개만 적으면 개수만큼 패턴이 반복되는 것만 찾습니다.
2) {최소, 최대}
{최소, 최대} 로 바로 앞의 패턴의 개수를 지정합니다.
숫자가 1개인 것들을 총 3개입니다. (8, 1, 8)
3) {최소, }
패턴이 최소이상 만큼 반복되는 것만 찾습니다.
{, 최대} 는 없습니다.
5. 유무
1) ? - 없거나 1개 있거나
2) * - 없거나 1개 있거나 많거나
3) + - 1개 있거나 많거나
6. 실습
자주 사용되는 예제를 통해 알아봅시다.
1) 핸드폰 번호
01\d-\d{3,4}-\d{4}|01\d\d{3,4}\d{4}
다음의 경우만 옳습니다.
- -가 없거나 1개 있거나
010-1234-5678
01012345678
단, 010-12345678, 0101234-5678 은 안됨
-
01x로 시작
017-1234-5678
01712345678 -
가운데 3자리
010-123-5678
0101235678
이렇게 있으면 제일 쉽게 생각하면
\d\d\d-\d\d\d\d-\d\d\d\d
조금 줄여주면
01\d-\d{3,4}-\d{4}
-이 없는 경우도 있으니까 or로 없는 경우도 묶어주면
01\d-\d{3,4}-\d{4}|01\d\d{3,4}\d{4}
import re
def main(s):
return re.fullmatch("01\d-\d{3,4}-\d{4}|01\d\d{3,4}\d{4}", s)
s_list = [
"010-1234-5678",
"01012345678",
"017-1234-5678",
"01712345678",
"010-123-5678",
"0101235678",
"안녕하세요",
"123",
"abcde",
"010-1235678",
"0101234-5678",
"011322345"
]
for s in s_list:
res = "correct" if main(s) else "error"
print(res, s)
"""
correct 010-1234-5678
correct 01012345678
correct 017-1234-5678
correct 01712345678
correct 010-123-5678
correct 0101235678
error 안녕하세요
error 123
error abcde
error 010-1235678
error 0101234-5678
error 011322345
"""2) 돈, 세자리 콤마
\d{1,3}(,\d{3})+|\d|[1-9]{1}\d*
다음의 3가지 경우에만 옳은 것으로 판단합니다.
- 1000 - 숫자로만 이루어짐
- 1,000 - 3자리 씩 콤마로 구분
- 0 - 0으로 시작하는 경우 1자리만 가능
하나씩 생각해보면
\d\d\d,\d\d\d,\d\d\d
조금 줄여보면,
\d{1,3}(,\d{3})+
한자리인 경우 or로 포함하면
\d{1,3}(,\d{3})+|\d
0이 아닌 숫자로 시작하는 경우 or로 포함하면
\d{1,3}(,\d{3})+|\d|[1-9]{1}\d*
import re
def main(money):
return re.fullmatch("\d{1,3}(,\d{3})+|\d|[1-9]{1}\d*", money)
s_list = ["Hello", "-123", "10,000원", "0123", "0", "1", ",123", "1,123", "1234"]
for s in s_list:
res = "correct" if main(s) else "error"
print(res, s)
"""
error Hello
error -123
error 10,000원
error 0123
correct 0
correct 1
error ,123
correct 1,123
correct 1234
"""3) 문자열 정제
"[삼성전자] 갤럭시 Z폴드3 - 3,000,000원",
"[APPLE] 아이폰 12 Pro - 1,300,000원"
위와 같은 문자열 리스트가 주어졌을 때
1) 브랜드 이름, 2) 상품명, 3) 가격(콤마 제외)를 반환하세요.
import re
def main(s):
# 1. brand_name
brand_name = re.search("\[(([ㄱ-ㅎ가-힣ㅏ-ㅣ]+)|[a-zA-Z0-9]+)\]", s).group()
brand_name = brand_name[1:len(brand_name)-1]
# 2. product_name
product_name = re.search("\] [ㄱ-ㅎ가-힣ㅏ-ㅣa-zA-Z0-9 ]+-", s).group()
product_name = product_name[2:len(product_name)-2]
# price
price = re.search("- (\d{1,3}(,\d{3})+|\d|[1-9]{1}\d*)원", s).group()
price = price[2:len(price)-1].replace(",","")
return brand_name, product_name, price
s_list = [
"[삼성전자] 갤럭시 Z폴드3 - 3,000,000원",
"[APPLE] 아이폰 12 Pro - 1,300,000원"
]
for s in s_list:
brand_name, product_name, price = main(s)
print("brand_name:", brand_name, "product_name:", product_name, "price:", price)
"""
brand_name: 삼성전자 product_name: 갤럭시 Z폴드3 money: 3000000
brand_name: APPLE product_name: 아이폰 12 Pro money: 1300000
"""