[Python] 데이터 표현을 위한 정규표현식 정리

 

※ SK 쉴더스 루키즈 24기 (클라우드기반 스마트 융합보안 과정) 교육을 들으면서 작성한 내용입니다.

 

1️⃣ 정규 표현식의 기본 개념

🔹정규 표현식과 축약 표현식

• 정규 표현식: 특정 패턴의 문자열을 찾거나 변화할 수 있는 문법
• 축약 표현식: 정규표현식을 간결하게 표현한 형태

정규 표현식	의미	축약 표현식
[0-9]	숫자를 찾음	\d
[^0-9]	숫자가 아닌 것을 찾음	\D
[\t\n\r\f\v]	문자(텍스트, 특수문자, 숫자)를 찾음	\s
[^\t\n\r\f\v]	문자가 아닌 것을 찾음	\S
[a-z]	소문자를 찾음
[^a-z]	소문자가 아닌 것을 찾음
[A-Z]	대문자를 찾음
[^A-Z]	대문자가 아닌 것을 찾음
[A-Za-z0-9]	영문자, 숫자를 찾음	\w
[^A-Za-z0-9]	영문자, 숫자가 아닌 것을 찾음	\W

표 출처 (https://wikidocs.net/179531)

---

🔹메타 문자

• 정규 표현식: 특정 패턴의 문자열을 찾거나 변화할 수 있는 문법

패턴	설명	예제
^	이 패턴으로 시작해야 함	^abc : abc로 시작해야 함 (abcd, abc12 등)
$	이 패턴으로 종료되어야 함	xyz$ : xyz로 종료되어야 함 (123xyz, strxyz 등)
[문자들]	문자들 중에 하나이어야 함. 가능한 문자들의 집합을 정의함.	[Pp]ython : "Python" 혹은 "python"
[^문자들]	[문자들]의 반대로 피해야할 문자들의 집합을 정의함.	[^aeiou] : 소문자 모음이 아닌 문자들
|	두 패턴 중 하나이어야 함 (OR 기능)	a | b : a 또는 b 이어야 함
?	앞 패턴이 없거나 하나이어야 함 (Optional 패턴을 정의할 때 사용)	\d? : 숫자가 하나 있거나 없어야 함
+	앞 패턴이 하나 이상이어야 함	\d+ : 숫자가 하나 이상이어야 함
*	앞 패턴이 0개 이상이어야 함	\d* : 숫자가 없거나 하나 이상이어야 함
패턴{n}	앞 패턴이 n번 반복해서 나타나는 경우	\d{3} : 숫자가 3개 있어야 함
패턴{n,m}	앞 패턴이 최소 n번, 최대 m 번 반복해서 나타나는 경우 (n 또는 m 은 생략 가능)	\d{3,5} : 숫자가 3개, 4개 혹은 5개 있어야 함
\d	숫자 0 ~ 9	\d\d\d : 0 ~ 9 범위의 숫자가 3개를 의미 (123, 000 등)
\w	문자를 의미	\w\w\w : 문자가 3개를 의미 (xyz, ABC 등)
\s	화이트 스페이스를 의미하는데, [\t\n\r\f] 와 동일	\s\s : 화이트 스페이스 문자 2개 의미 (\r\n, \t\t 등)
.	뉴라인(\n) 을 제외한 모든 문자를 의미	.{3} : 문자 3개 (F15, 0x0 등)

표 출처 (https://wikidocs.net/179531)

---

2️⃣ re 모듈의 주요 함수

🔹1. re 모듈

• 파이썬에서 정규 표현식을 사용하기 위해서는 ``re`` 모듈을 임포트 해야함

import re

---

🔹2. 기본 패턴 매칭

• 정규 표현식을 사용하여 텍스트에서 특정 패턴을 찾는 방법
• ``re.compile`` 함수를 사용하여 정규표현식을 컴파일

import re

#raw string
text = "오늘은 2025년 1월 15일입니다."
pattern = re.compile(r"\d+")
matches = pattern.findall(text)
print(matches)  # ['2025', '1', '15']

• ``r"\d+"``:
  • 정규 표현식에서 ``\d``는 숫자를 의미하며, ``+``는 한 개 이상의 연속된 숫자를 찾는다는 뜻
  • ``r``은 Raw String을 의미하며, 이스케이프 문자를 해석하지 않고 그대로 전달함
    • 즉, ``\\``를 하나의 ``\``로 처리하지 않아도 됨
• ``pattern.findall(text)``:
  • 주어진 ``text``에서 정규 표현식과 일치하는 모든 부분을 리스트로 반환 

#일반문자열
pattern = re.compile("\\d+")  # 숫자를 찾는 정규 표현식
text = "There are 123 apples"
matches = pattern.findall(text)
print(matches)  # ['123']

• ``"\\d+"``:
  • 일반 문자열에서는 ``\``를 이스케이프 문자로 사용하기 때문에, 실제로 정규 표현식의 ``\d``를 나타내려면 ``\\d``처럼 두 번 작성해야 함
  • 결과적으로는 `\\d+``는 Raw String에서의 ``\d+``와 동일한 의미

---

🔹3. re.search() 함수

• ``re.search() 함수는 해당 문자열에서 정규 표현식을 찾아서 하나의 결과를 반환함
• 매치 시, ``Match`` 객체를 반환하고 매치가 없을 경우 ``None``을 반환함

text = "Contact us at support@example.com"

match = re.search(r"[\w.-]+@[\w.-]+", text)

if match:
    print(match.group())  # 'support@example.com'

---

🔹4. .group() 메서드

• ``.group()`` 메서드는 매치된 결과 중 특정 그룹만 출력할 때 사용됨

match = re.search(r"(\d{4})-(\d{2})-(\d{2})", "Date: 2025-01-19")

if match:
    print(match.group(1))  # '2025'
    print(match.group(2))  # '01'
    print(match.group(3))  # '19'

---

3️⃣ 정규표현식의 활용: 날짜 추출과 데이터 필터링

🔹1. 날짜 추출 (예: datetime과 함께 사용)

• 정규표현식을 활용해 날짜 데이터를 추출하고, 이를 ``datetime``으로 변환해 활용할 수 있음

from datetime import datetime

text = "Today is 2025-01-15."

match = re.search(r"(\d{4})-(\d{2})-(\d{2})", text)

if match:
    date = datetime.strptime(match.group(0), "%Y-%m-%d")
    
    print(date)  # 2025-01-19 00:00:00
    
    print("Year:", match.group(1))	# '2025'
	print("Year:", match.group(2))	# '01'
	print("Year:", match.group(3))	# '15'
else:
	print("No date found in the text.")

---

🔹2. 중복 제거 (set() 과 함께 사용)

• 정규 표현식을 활용해 텍스트에서 중복된 패턴을 제거하라면 , ``set()`` 함수를 사용하면 간편함

text = "apple, banana, apple, orange, banana"
matches = re.findall(r"\w+", text)
unique_items = set(matches)
print(unique_items)  # {'apple', 'banana', 'orange'}

---