정규표현식 참 애증의 개념인 것 같습니다. 저는 잘 몰라서 못쓰는데, 잘 쓰는 사람들은 20줄~30줄이 필요한 코드를 단 한 줄로 처리해버리거든요.

그래서 미루고 미루다 드디어 저도 이게 뭔지나 한 번 보자는 식으로 공부해보기로 했습니다.

정규표현식 (Regular Expression)

흔히 "Regex" 라고 많이들 줄여서 부르는데요..

Regular Expression의 줄임말입니다.

정규표현식이란 어떤 문자를 처리하기 위한 규칙들을 정해둔 문법입니다. ex) 문자열에 숫자가 있는지, 문자열에 "s"로 시작하는 단어가 있는지

문자열에 어떤 패턴을 묻고, 그 패턴을 충족하는지?에 대한 답변을 얻을 수 있는 것이죠.

주어진 문자열 찾기

가장 쉬운 예제부터 시작해봅시다.

아무런 기호 없이 사용했을 경우, 정확히 주어진 문자가 포함되어 있는 지를 확인할 수 있습니다.

Source:

Hello, world!

대소문자 구분

Hello

matches: Hello, world!

hello

matches: Hello, world!

정규식은 대소문자 구분을 합니다. 그래서 "hello"와 "Hello"는 다른 문자로 판단되는 것이죠.

whitespace 구분

Hello, world

matches: Hello, world!

Hello,      world

matches: Hello, world!

정규식은 whitespace(빈 공간)도 구분을 합니다. 그래서 "Hello, world"와 "Hello, world"는 다른 문자인 것이죠.

문자열의 위치 찾기

찾고자 하는 문자열의 위치를 제약해서 찾아낼 수도 있습니다.

Source:

who is who

^, $

^who

matches: who is who

^은 시작되는 부분이 조건일 때 충족합니다.

who$

matches: who is who

반대로 $는 끝나는 부분이 조건일 때 충족합니다.

Notes:

문자열에 조건 기호가 포함될 때는 어떻게 할까요? ($440과 같이)

그럴 때는 \를 사용합니다. \는 \ 뒤에 있는 문자를 기호가 아닌 문자열이라는 것을 의미합니다. (\$)

문자의 유무 판단하기

Source:

Regular expressions are powerful!!!

.

.

first match: Regular expressions are powerful!!!

matches: Regular expressions are powerful!!!

.은 어떤 문자던 존재하면 충족하는 일종의 와일드카드 입니다.

......

first match: Regular expressions are powerful!!!

matches: Regular expressions are powerful!!!

여러 개를 사용해서 원하는 문자의 개수를 조건으로 줄 수 있습니다.

matches에서 맨 끝의 "ul!!!"이 선택되지 못한 것은 앞에서부터 6개씩의 문자를 찾을 때, 맨 뒤의 5개 문자가 남기 때문입니다.

원하는 특정 문자들 중에서 찾아내기

모든 문자 말고, 내가 원하는 특정 문자가 있다면 어떻게 할까요?

[]

Source:

How do you do?

[oyu]

first match: How do you do?

matches: How do you do?

대괄호에 내가 원하는 문자의 종류를 넣어줌으로써 특정 문자들만 찾아낼 수 있습니다.

[dH].

first match: How do you do?

matches: How do you do?

이 때 주의할 점은, []안의 종류가 얼마나 많던지 문자 **"하나"**를 의미한다는 점입니다.

그래서 예시의 [dH].는 d혹은 H가 포함된 한글자와 그 뒤에 따라붙는 아무 문자 한글자를 찾아내는 정규식인거죠.

[-]

Source:

ABCDEFGHIJKLMNOPQRSTUVWXYZ

그런데 조건으로 넣을 문자가 너~무 많을 떄는 어떻게 하면 될까요?

[CDEFGHIJK] 처럼 일일히 넣어줘도 되지만, -를 사용해 범위를 표현할 수도 있습니다.

[C-K]

first match: ABCDEFGHIJKLMNOPQRSTUVWXYZ

matches: ABCDEFGHIJKLMNOPQRSTUVWXYZ

[C-Ka-d2-6]

Source:

ABCDEFGHIJKLMNOPQRSTUVWXYZ abcdefghijklmnopqrstuvwxyz 123456789

first match: ABCDEFGHJKLMNOPQRSTUVWXYZ abcdefghijklmnopqrstuvwxyz 123456789

matches: ABCDEFGHIJKLMNOPQRSTUVWXYZ abcdefghijklmnopqrstuvwxyz 123456789

[^]

친숙한 ^가 왔네요. 그럼 [^]는 주어진 범위의 문자들 중 하나로 시작되는 조건일까요?

아쉽게도 아닙니다. ^가 대괄호 안에 왔을 때는, NOT의 의미로 사용됩니다.

Source:

ABCDEFGHIJKLMNOPQRSTUVWXYZ

[^CD]

firstm match: ABCDEFGHIJKLMNOPQRSTUVWXYZ

matches: ABCDEFGHIJKLMNOPQRSTUVWXYZ

^로 표현된 "CD"만 선택에서 제외된 것을 볼 수 있죠?

서브패턴

동시에 여러개의 조건을 주고싶을 때는 어떻게 할까요?

|를 사용해주면 됩니다!

Source:

Monday Tuesday Friday

|

(on|ues|rida)

first match: Monday Tuesday Friday

matches: Monday Tuesday Friday

이렇게 여러개의 조건들을 한 번에 줄 수 있습니다. 대신 괄호로 묶어주어야 한다는 점은 기억해둬야겠네요!

(Mon|Tues|Fri)day

matches: Monday Tuesday Friday

발생할 수 있는 문자의 횟수 정해주기

주어진 문자가 몇 번 등장할 수 있는지를 정할수도 있습니다.

문자가 최소 3번에서 최대 6번까지 등장한 문자를 찾아줘! 와 같은 경우에 사용할 수 있겠죠?

*, +, ?

Source:

aabc abc bc

a*b

first match: aabc abc bc

matches: aabc abc bc

*는 앞의 문자가 0회 혹은 여러개가 올 수 있음을 의미합니다.

그래서 예시는 a가 있으면 모든 a들을 포함하고, 그 뒤에 b가 하나 와야하는 조건이겠죠?

a+b

first match: aabc abc bc

matches: aabc abc bc

+는 앞의 문자가 1회 혹은 여러개가 올 수 있음을 의미합니다. *와 다른 점은 최소 한 번은 있어야 한다는 것이죠!

그래서 예시의 "bc"는 조건에서 제외되어 있다는 것을 알 수 있네요.

a?b

first match: aabc abc bc

matches: aabc abc bc

?는 앞의 문자가 0회 혹은 한 번 올 수 있음을 의미합니다.

[-@]*

Source:

-@- *** -- "*" -- *** -@-

first match: -@- *** -- "*" -- *** -@-

matches: -@- *** -- "*" -- *** -@-

대괄호 안에 있는 - 혹은 @들을 찾아내는 정규식이겠죠!?

[^ ]+

Source:

-@@@- * ** - - "*" -- * ** -@@@-

first match: -@@@ * ** - - "*" -- * ** -@@@-

matches: -@@@ * ** - - "*" -- * ** -@@@-

잘 안보이시겠지만, 공백(" ")을 제외한 모든 문자들을 선택하는 정규식입니다.

수량을 지정해 횟수 정해주기

*, +, ?는 모두 횟수를 직접 정해줄 수 없었죠? 중괄호()를 사용하면 이런 횟수도 정해줄 수가 있습니다.

Source:

One ring to bring them all and in the darkness bind them

.{5}

first match: One ring to bring them all and in the darkness bind them

matches: One ring to bring them all and in the darkness bind them

어떤 문자건 5회 발생할 경우를 찾아내는 정규식입니다.

[els]{1,3}

fist match: One ring to bring them all and in the darkness bind them

matches: One ring to bring them all and in the darkness bind them

대괄호 안에 있는 e, l, s가 최소 1회, 최대 3회 발생하는 경우를 찾아내는 정규식이겠네요!

[a-z]{3,}

first match: One ring to bring them all and in the darkness bind them

matches: One ring to bring them all and in the darkness bind them

a부터 z까지 (소문자)의 문자들이 최소 3회 반복되어 나타나는 경우를 찾는 정규식입니다.

중괄호의 앞이나 뒤 숫자를 생략하면 각각 최소, 최대 횟수를 지정해주지 않겠다는 의미로 사용됩니다.

수량자 + ?:

수량자 뒤에 ?를 함께 사용할 수도 있는데요.. 이때는 ?의 의미가 살짝 달라집니다.

앞의 수량자를 "lazy"하게 적용하겠다는 의미인데요, Lazy Quantifier라는 키워드를 알아두시면 좋을 것 같습니다.

의미는 가능한 적은 문자를 매칭시키겠다는 뜻이여서 조건이 중첩되어 발생할 때, 중첩을 따로 처리할 지 혹은 통채로 처리해버릴지를 결정해줄 수 있습니다.

Source:

text

text2

<div>.+</div>

first match: <div>text</div><div>text2</div>

의도는 각 div 태그들을 분리해서 처리하는 것이였습니다.

하지만 맨 앞의 <div> 태그와 맨 뒤의 </div> 태그가 조건에 맞으면서 그 중간의 모든 문자들이 포함되고 말았죠.

<div>.+?</div>

first match: <div>text</div><div>text2</div>

?를 사용해 lazy하게 조건을 적용해줌으로써 가능한 적은 문자를 매칭시킨 것을 볼 수 있습니다.

Character Class

정규식에는 지금까지 사용한 경우들 중 자주 쓰이는 경우들을 좀 더 간편한 방식으로 제공하기도 합니다.

Source:

A1 B2 c3 d_4 e:5 ffGG77--___--

캐릭터 클래스

\w

matches: A1 B2 c3 d_4 e:5 ffGG77--___--

w는 word를 줄여서 붙인 말입니다.

알파벳, 숫자, 언더바(_)를 통 틀어서 \w로 표현할 수 있는거죠..!

그러니까 \w는 [A-z0-9_]와 같은 표현인겁니다.

Notes: 공백은 word에 포함되지 않습니다.

\W

matches: A1 B2 c3 d_4 e:5 ffGG77 -- ___ --

이번엔 w가 대문자입니다.

캐릭터 클래스 표현에서 대문자는 소문자의 정반대의 의미를 가집니다.

그러면 \W는 word가 아니다. 라는 의미를 가지게 되는 것이죠.

예시의 경우 중간에 있는 -만 포함이 됐네요.

\d

matches: A1 B2 c3 d_4 e:5 ffGG77--___--

d는 digit을 줄인 말입니다.

숫자를 의미하는 표현이겠죠!

\b

b는 boundary를 줄인 말입니다.

주어진 조건을 \w와 \W 의 경계에서 찾아낸다는 의미입니다.

word와 word가 아닌 경계에 있는 요소들 중에서 찾겠다는 의미인데요..

Source: cat concat

\bcat

matches: cat concat

cat의 앞이 문자(n)와 붙어있는 concat 은 선택이 되지 않았죠?

cat\b

matches: cat concat

이 경우는 concat의 뒤에 문자가 없으니 선택이 되는 것입니다.

\A, \Z

이 둘은 ^, $와 유사한 기능을 합니다.

각각 맨 앞의 요소와 맨 뒤의 요소를 찾는데요..

^와 $와의 차이점이라면 multiline에서도 모든 라인에 대해 적용이 된다는 것입니다.

Source: Test 1

Test 2

Test 3

^Test

matches: Test 1 \n Test 2 \n Test 3

\ATest

matches: Test 1 \n Test 2 \n Test 3

차이를 바로 알 수 있죠?

다음 포스트에서는 이런 정규식을 Swift에서 어떻게 다루는지에 대해 알아보도록 하겠습니다.

Reference

생활코딩 - 정규표현식