Python에서의 정규표현식 활용
1. Python의 정규표현식 기초
Python에서 정규표현식은 re 모듈을 통해 사용할 수 있습니다. re 모듈은 Python의 표준 라이브러리이므로 별도의 설치 없이 바로 사용할 수 있습니다.
1.1 re 모듈
re 모듈을 사용하는 방법은 크게 2가지로 나뉩니다. 첫 번째는 re.compile() 메서드를 사용하여 패턴을 미리 컴파일하고, 두 번째는 re 모듈의 메서드를 직접 사용하는 방법입니다.
1.1.1 기본 import와 사용법
import re
# 1. 기본 패턴 매칭
pattern = re.compile(r'hello')
print(pattern.match('hello world'))
# 2. re 모듈의 메서드 사용
print(re.match(r'hello', 'hello world'))
1.1.2 raw 문자열 사용
Python에서 raw 문자열을 사용하면 개행 등의 특수문자를 이스케이프하지 않고 그대로 사용할 수 있습니다. 정규표현식에서는 백슬래시(\)를 자주 사용하므로 raw 문자열을 사용하는 것이 좋습니다. 아래와 같이 한 번 실행해보세요.
print('hello\nworld')
print(r'hello\nworld')
아래와 같이 raw 문자열을 사용하면 정규표현식을 더 깔끔하게 작성할 수 있습니다.
# raw 문자열을 사용하지 않은 경우
pattern1 = '\\d+' # 백슬래시를 이스케이프하기 위해 두 번 써야 함
# raw 문자열을 사용한 경우
pattern2 = r'\d+' # 더 깔끔하고 실수를 줄일 수 있음
1.2 컴파일 플래그
1.2.1 주요 플래그
| 플래그 | 약어 | 설명 |
|---|---|---|
re.IGNORECASE | re.I | 대소문자 구분 없이 검색 |
re.MULTILINE | re.M | 다중 행 모드 - ^와 $가 각 줄에 매칭 |
re.DOTALL | re.S | .이 개행 문자도 매칭 |
re.VERBOSE | re.X | 상세 모드 - 공백과 주석 허용 |
re.IGNORECASE # 또는 re.I: 대소문자 구분 없음
re.MULTILINE # 또는 re.M: 다중 행 모드
re.DOTALL # 또는 re.S: .이 개행 문자도 매칭
re.VERBOSE # 또는 re.X: 상세 모드 (공백과 주석 허용)
1.2.2 플래그 조합
플래그는 단독으로 사용할 수도 있고, 여러 개를 조합하여 사용할 수도 있습니다. 플래그는 re.MULTILINE | re.DOTALL와 같이 | 연산자를 사용하여 조합할 수 있습니다.
import re
# 플래그를 사용하지 않은 경우
text = """Hello World
hello python
HELLO REGEX"""
pattern = re.compile(r'hello')
findall_result = pattern.findall(text)
print(findall_result) # ['hello']
# 플래그를 사용한 경우
pattern = re.compile(r'hello', re.IGNORECASE)
findall_result = pattern.findall(text)
print(findall_result) # ['Hello', 'hello', 'HELLO']
2. 기본 메서드
2.1 검색 메서드
Python re 모듈의 주요 검색 메서드는 다음과 같습니다.
| 메서드 | 설명 | 반환값 |
|---|---|---|
match() | 문자열 시작부터 매칭 검사 | Match 객체 또는 None |
search() | 문자열 전체에서 첫 매칭 검색 | Match 객체 또는 None |
findall() | 모든 매칭을 리스트로 반환 | 리스트 |
finditer() | 모든 매칭을 이터레이터로 반환 | 이터레이터 |
match는 문자열의 처음부터 정규식과 매치되는지 조사합니다. 처음부터 매칭이 안되는 경우 None을 반환할 수 있기 때문에 문자열 전체를 검색해야 할 때에는 search를 사용합니다. findall은 정규식과 매치되는 모든 문자열을 리스트로 반환하고, finditer는 정규식과 매치되는 모든 문자열을 반복 가능한 객체로 반환합니다.
2.1.1 match와 search
text = "welcome hello world"
pattern = re.compile(r'hello')
# match()는 문자열 시작부터 검색
print(pattern.match(text)) # None
# search()는 문자열 전체에서 검색
print(pattern.search(text)) # <re.Match object>
2.1.2 finditer와 findall
text = "hello world hello"
pattern = re.compile(r'\w+')
# findall()은 모든 매칭을 리스트로 반환
print(pattern.findall(text)) # ['hello', 'world', 'hello']
# finditer()는 매칭을 반복 가능한 객체로 반환
for m in pattern.finditer(text):
print(m) # <re.Match object>
2.2 문자열 처리 메서드
sub와 split 메서드는 정규식을 사용하여 문자열을 처리할 때 유용합니다.
| 메서드 | 설명 |
|---|---|
sub() | 매칭된 문자열을 다른 문자열로 대체 |
split() | 패턴을 기준으로 문자열 분할 |
sub는 문자열의 replace와 유사하지만, replace는 정규식을 사용할 수 없습니다. 정규식 패턴으로 복잡한 치환을 해야 할 때 sub를 사용합니다.
2.2.1 sub 메서드
text = "hello world"
pattern = re.compile(r'o')
result = pattern.sub('0', text) # 'hell0 w0rld'
sub를 사용하여 그룹으로 묶은 패턴을 사용할 수도 있습니다. 아래와 같이 사용할 수 있습니다.
text = "hello world"
pattern = re.compile(r'(\w+)\s(\w+)')
print(pattern.sub(r'\2 \1 \2', text)) # 'world hello world'
이러한 방식으로 좀 더 고급 패턴을 사용할 수 있습니다.
text = "064.1000!20000"
pattern = re.compile(r'(\d{3})[.!](\d{4})[.!](\d{5})')
print(pattern.sub(r'\1-\2-\3', text)) # '064-1000-20000'
re.sub 메서드는 다음과 같은 형식으로 사용할 수 있습니다.
re.sub(pattern, repl, string, count=0, flags=0)
2.2.2 split 메서드
text = "hello,world;hi"
result = re.split(r'[,;]', text) # ['hello', 'world', 'hi']
3. 고급 기능
3.1 명명된 그룹
각 패턴에 이름을 부여하여 추출할 때 사용할 수 있습니다. 이름을 부여하는 방법은 (?P<name>...) 형식으로 사용하면 됩니다. 명명된 그룹을 사용하면 코드의 가독성이 높아지고, 그룹의 순서가 바뀌어도 이름으로 접근할 수 있어 유지보수가 쉬워집니다.
명명된 그룹은 (?P<name>패턴) 형식으로 작성하고, group('name')으로 접근합니다.
pattern = re.compile(r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})')
m = pattern.match("2024-11-02")
if m:
print(m.group('year')) # 2024
print(m.group('month')) # 11
print(m.group('day')) # 02
4. 실습 문제
4.1 기본 실습
# 실습 1: URL 추출
text = """
https://github.com/LiveCoronaDetector/livecod
https://github.com/Weniv
https://weniv.co.kr
hello@gmail.com
hello.co.kr
https://weniv
"""
# 실습 2: 괄호 내용 추출
text = "[(name, leehojun), (age, 10), (height, 180)]"
# 실습 3: 한글 단어 추출
text = "안녕하세요 hello 반갑습니다 world"
- 주어진 텍스트에서 모든 URL을 추출하세요.
- 괄호로 둘러싸인 내용을 추출하세요.
- 한글로 된 단어만 추출하세요.
4.2 문제 풀이
# 실습 1: URL 추출
text = """
https://github.com/LiveCoronaDetector/livecod
https://github.com/Weniv
https://weniv.co.kr
hello@gmail.com
hello.co.kr
https://weniv
"""
pattern = re.compile(r'https?://[^\s]+|(?:[\w-]+\.)+[\w-]+/\S+')
print(pattern.findall(text))
# 실습 2: 괄호 내용 추출
text = "[(name, leehojun), (age, 10), (height, 180)]"
pattern = re.compile(r'\(([^)]+)\)')
print(pattern.findall(text))
# 실습 3: 한글 단어 추출
text = "안녕하세요 hello 반갑습니다 world"
pattern = re.compile(r'[가-힣]+')
print(pattern.findall(text))