Python 정규 표현식(RegEx)

이 튜토리얼에서는 정규 표현식(RegEx)을 배우고, Python의 re 모듈과 함께 RegEx를 사용하며(예제를 통해) 배우게 됩니다.

정규 표현식(RegEx)은 검색 패턴을 정의하는 문자열입니다. 예를 들어,

^a...s$

위의 코드는 RegEx 패턴을 정의합니다. 패턴은 다음과 같습니다：로a로 시작하고s으로 끝나는어떤 다섯 글자 문자열。

RegEx로 정의된 패턴은 문자열과 일치할 수 있습니다.

Python에 reRegEx라는 모듈이 있습니다. 예제를 보겠습니다:

import re
pattern = '^a...s$'
test_string = 'abyss'
result = re.match(pattern, test_string)
if result:
　　print("찾았습니다.")
else:
　　print("찾지 못했습니다.")

여기서는 re.match() 함수를 사용하여 테스트 문자열에서 패턴을 검색합니다. 검색이 성공하면 이 메서드는 일치 객체를 반환합니다. 그렇지 않으면 None을 반환합니다.

re모듈에서는 다른 몇 가지 함수를 정의했으며, RegEx와 함께 사용할 수 있습니다. 탐구하기 전에, 정규 표현식 자체를 배워보겠습니다.

RegEx 기본 지식을 알고 계신다면, 다음으로 이동하세요Python RegEx。

정규 표현식으로 패턴 지정

정규 표현식을 지정하기 위해 메타 기호가 사용되었습니다. 위의 예제에서는 ^와 $가 메타 기호입니다.

원자어

원자어는 규칙식 정규 표현식 엔진이 특별한 방식으로 해석하는 문자입니다。

[]　. ^ $ * +　? {}　() \ |

[] - 괄호

원자어

abc de ca

여기서, [abc]은-괄호 내의 문자 범위.

• [a-e]와 같은 [abcde]。

• [1-4]와 같은 [1234]

• [0-39]와 같은 [01239]

밑줄 ^를 사용하여 괄호의 시작에 삽입 기호를 사용하여 문자 집합을 보완(반전)할 수 있습니다.

• [^abc]은a또는b또는c밖에 없는의어떤 문자.

• [^0-9]는 어떤 비숫자 문자를 나타냅니다.

.- 점

점은 어떤 단일 문자(엔터 문자 '\n' 제외)와 일치합니다.

^- 삽입 기호

삽입 기호 ^는 문자열이 특정 문자로 시작하는지 확인하는 데 사용됩니다.

$- 달러

달러 기호 $는 문자열이로특정 문자로 시작끝。

*- 별표

별표 기호*일치또는 여러 개의 나머지 패턴.

+- 더하기 기호

더하기 기호는+일치하나나 여러 개의 나머지 패턴.

?- 문자표시

문자표시 ?는또는 하나의 출현의 나머지 패턴.

{}- 대括호

다음 코드를 고려해 보세요: {n,m}。이는 최소n개스타일이며 최대m개스타일.

다시 한 번 시도해 보겠습니다. RegEx [0-9]{2, 4}은 최소2위치이지만 최대4위치

|- 구분선

구분선|은 교차 표시(또는 연산자)를 위해 사용됩니다.

이곳에서, a|b은a또는b의문자열

()- 구조화된 문자열

구조화된 문자열()는 자식 패턴을 그룹화하는 데 사용됩니다. 예를 들어, (a|b|c)xz는a또는b또는c匹配且后跟xz的문자열

\- 反斜杠

反斜杠\用于转义包括所有元字符在内的各种字符。例如，

\$a如果字符串包含$后跟则匹配a。在此，$RegEx引擎不会以特殊方式对其进行解释。

如果不确定某个字符是否具有特殊含义，可以将其\放在前面。这样可以确保不对字符进行特殊处理。

특수 시퀀스

특수 시퀀스는 일반적인 패턴을 쉽게 작성하는 데 도움이 됩니다. 특수 시퀀스 목록은 다음과 같습니다:

\A -지정된 문자가 문자열의 시작에 있으면 일치합니다.

\b -단어의 시작이나 끝에 있으면 일치합니다.

\B-와 \b. 지정된 문자가아니요단어의 시작이나 끝에 있으면 일치합니다.

\d-모든 십진수 문자를 일치시킵니다. [0-9]

\D-모든 십진수가 아닌 문자를 일치시킵니다. [^0-9]

\s-문자열이 비백스페이스 문자를 포함하는 모든 위치를 일치시킵니다. [ \t\n\r\f\v]에 해당합니다.

\S-문자열이 비백스페이스 문자를 포함하는 모든 위치를 일치시킵니다. [^ \t\n\r\f\v]에 해당합니다.

\w-모든 문자와 숫자(숫자와 문자)를 일치시킵니다. [a-zA-Z0-9_]。다른 말로, 밑줄 '_'는 문자와 숫자 문자로 간주됩니다.

\W-모든 알파벳과 숫자가 아닌 문자를 일치시킵니다. [^a-zA-Z0-9_]

\Z -지정된 문자가 문자열의 끝에 있으면 일치합니다.

힌트:규칙 표현식을 구축하고 테스트하기 위해 RegEx 테스트 도구를 사용할 수 있습니다. 예를 들어,regex이 도구는 규칙 표현식을 생성하고 배우는 데 도움을 줄 수 있습니다.

지금, 규칙 표현식(RegEx)의 기본 개념을 이해하게 되었습니다. 이제 Python 코드에서 규칙 표현식을 어떻게 사용하는지 논의해 보겠습니다.

Python 정규 표현식

Python에는 re라는 정규 표현식 모듈이 있습니다. 사용하려면 모듈을 가져와야 합니다.

import re

이 모듈은 RegEx와 함께 사용할 수 있는 함수와 상수를 정의합니다.

re.findall()

re.findall() 메서드는 모든 일치하는 항목을 포함한 문자열 목록을 반환합니다.

예제1：re.findall()

# 문자열에서 숫자를 추출하는 프로그램
import re
string = 'hello　12　hi　89. Howdy　34'
pattern = '\d'+'
result = re.findall(pattern, string,)　
print(result)
# 출력: ['12', ''89', ''34]

모드를 찾지 못하면 re.findall()는 공백 목록을 반환합니다.

re.split()

split 메서드는 일치하는 문자열을 분할하고 분할된 문자열 목록을 반환합니다.

예제2：re.split()

import re
string = 'Twelve:12　Eighty nine:89.
pattern = '\d'+'
result = re.split(pattern, string)　
print(result)
# 출력: ['Twelve:', 'Eighty nine:', '.']

모드를 찾지 못하면 re.split()는 공백 문자열을 포함한 목록을 반환합니다.

maxsplit 매개변수를 re.split() 메서드에 전달할 수 있습니다. 이는 발생할 수 있는 최대 분할 횟수입니다.

import re
string = 'Twelve:12　Eighty nine:89　Nine:9.
pattern = '\d'+'
# maxsplit =　1
# 첫 번째 일치하는 위치에서만 분할
result = re.split(pattern, string,)　1)　
print(result)
# 출력: ['Twelve:', 'Eighty nine:']89　Nine:9.']

顺便说一下，maxsplit 기본값은 0입니다；기본값은 0입니다. 모든 일치하는 결과를 분할하는 것을 의미합니다.

re.sub()

re.sub()의 문법:

re.sub(pattern, replace, string)

이 메서드는 일치하는 항목이 replace 변수의 내용으로 대체된 문자열을 반환합니다.

예제3：re.sub()

# 모든 공백을 제거하는 프로그램
import re
# 다중 행 문자열
string = 'abc　12\
de　23　\n f45　6'
# 모든 공백 문자를 매칭
pattern = '\s+'
# 빈 문자열
replace = ''
new_string = re.sub(pattern, replace, string)　
print(new_string)
# 출력: abc12de23f456

모드를 찾지 못하면 re.sub()는 원래 문자열을 반환합니다.

이를 통해 설정할 수 있습니다.count이 메서드의 네 번째 매개변수로 전달됩니다. 생략하면 결과가 0입니다. 모든 일치하는 항목을 대체합니다.

import re
# 다중 행 문자열
string = 'abc　12\
de　23　\n f45　6'
# 모든 공백 문자를 매칭
pattern = '\s+'
replace = ''
new_string = re.sub(r'\s'+', replace, string,　1)　
print(new_string)
# 출력:
# abc12de　23
# f45　6

re.subn()

re.subn()는 re.sub()와 유사하게, 그것이 반환하는 것을 기대합니다.2개의 항목을 포함하는 튜플로 반환합니다. 새로운 문자열과 대체 횟수를 포함합니다.

예제4：re.subn()

# 모든 공백을 제거하는 프로그램
import re
# 다중 행 문자열
string = 'abc　12\
de　23　\n f45　6'
# 모든 공백 문자를 매칭
pattern = '\s+'
# 빈 문자열
replace = ''
new_string = re.subn(pattern, replace, string)　
print(new_string)
# 출력: ('abc12de23f456',　4)

re.search()

re.search() 메서드는 두 개의 매개변수를 취합니다: 패턴과 문자열. 이 메서드는 문자열에서 RegEx 패턴과 일치하는 첫 번째 위치를 찾습니다.

검색이 성공하면 re.search()는 매칭 객체를 반환합니다. 성공하지 않으면 None을 반환합니다.

match = re.search(pattern, str)

예제5：re.search()

import re
string = "Python is fun"
# "Python"이 시작부분에 있는지 확인
match = re.search('\APython', string)
if match:
　　print("pattern found inside the string")
else:
　　print("pattern not found")　　
# 출력: pattern found inside the string

여기서,matchmatch 객체를 포함합니다.

매칭 객체

매칭 객체를 사용하여dir()매칭 객체의 메서드와 속성을 얻는 함수

매칭 객체의 일반적인 메서드와 속성은 다음과 같습니다：

match.group()

group() 메서드는 문자열에서 매칭된 부분을 반환합니다.

예제6：매칭 객체

import re
string = '39801　356,　2102　1111'
# 세자리 숫자, 뒤에 공백, 두자리 숫자
pattern = '(\d{3}) (\d{2})'
# match 변수는 Match 객체를 포함합니다.
match = re.search(pattern, string)　
if match:
　　print(match.group())
else:
　　print("pattern not found")
# 출력:　801　35

여기서,match변수는 match 객체를 포함합니다.

우리의 패턴(\d{3) (\d{2)는 두 서브 그룹(\d{3)와(\d{2)。이러한 괄호를 포함한 서브 그룹의 문자열 일부를 얻을 수 있습니다. 이렇게 됩니다:

>>> match.group(1)
'801'
>>> match.group(2)
'35'
>>> match.group(1,　2)
('801', ''35)
>>> match.groups()
('801', ''35)

match.start()，match.end()와 match.span()

start() 함수는 매칭의 서브 문자열의 시작 인덱스를 반환합니다. 마찬가지로, end()은 매칭의 서브 문자열의 끝 인덱스를 반환합니다。

>>> match.start()
2
>>> match.end()
8

span() 함수는 시작과 끝 인덱스를 포함한 매칭 부분의 튜플을 반환합니다。

>>> match.span()
(2,　8)

match.re와 match.string

匹配对象的re属性返回一个正则表达式对象。 同样，string属性返回传递的字符串。

>>> match.re
re.compile('(\\d{3}) (\d{2})')
>>> match.string
'39801　356,　2102　1111'

우리는 re 모듈에서 정의된 모든 일반적인 메서드를 소개했습니다. 더 많은 정보를 원하면 방문해 주세요파이썬 3 re 모듈。

RegEx 전에 r 접두사 사용

정규 표현식 전에 사용하면r또는R원시 문자열을 의미합니다. 예를 들어, '\n'은 새 줄이고 r'\n'은 두 문자를 의미합니다: 반사각선\ 뒤에 n.

반사각선\는 모든 메타 문자를 포함한 다양한 문자를 escape합니다. 하지만, 접두사를 사용하면r접두사\는 그를 일반 문자로 간주합니다.

예제7：사용 r 접두사의 원시 문자열

import re
string = '\n　and　\r　are　escape　sequences.'
result = re.findall(r'[\n\r]', string)　
print(result)
# 출력: ['\n', '\r']