[Python] 정규식 (문자열 처리) - 자주 사용하는 정규식

1. re 사용 패턴

패턴 문자	의미
.	줄바꿈 문자를 제외한 1글자를 의미
^	문자열의 시작을 의미. 또는 not의 의미.
$	문자열의 끝을 의미
[]	문자의 집합 e.g. [xyz] 라고 패턴을 적게되면 x또는 y또는 z라는 문자와 매칭됨. [x-z] : 이렇게 범위로도 적을 수 있음. [^a] : a를 제외한 모든 문자를 의미.
|	or의 의미 e.g. a|b : a 또는 b문자를 의미
()	어떤 정규식을 하나의 그룹으로 묶어줌 e.g. ([a-c])([x-z]) : a, b, c와 매칭될 수 있는 그룹 1개와 x, y, z와 매칭될 수 있는 그룹을 의미. ax, az, by 등은 위 패턴과 매칭됨. 만약 괄호라는 문자 자체를 매칭하고싶으면 \(, \) 등으로 백슬래쉬를 이용한 escape를 해줘야 함.
*	어떤 문자건 0회 이상 반복되는 패턴을 나타냄 e.g. a* : a가 0번 이상 반복되는 패턴을 나타냄
+	어떤 문자건 1회 이상 반복되는 패턴을 나타냄 e.g. a+ : a가 1번 이상 반복되는 패턴을 나타냄
?	어떤 문자가 0회 또는 1회 반복되는 패턴을 나타냄 e.g. a? : a가 0번 또는 1번 존재하는 패턴을 나타냄
{n}	문자가 n회 반복되는 패턴을 나타냄 e.g. whi{3}te : whiiite를 의미
{m, n}	문자가 m회 ~ n회 반복되는 패턴을 나타냄 e.g. wh{2, 4}ite : whhite, whhhite, whhhite를 의미
{m,}	문자가 m회부터 무한대까지 반복되는 패턴을 나타냄 e.g. wh{2,}ite : whhite, whhhite, whhhhite, whhhhite, .... 등을 나타냄
\w	Unicode = 숫자, underscore(_)를 포함하는 모든 언어의 표현가능한 문자. ASCII = underscore(_)를 포함한 문자 = [a-zA-Z0-9_]와 동일
\W	Unicode = 숫자, underscore(_)를 포함하는 모든 언어의 표현가능한 문자를 제외한 나머지 문자 ASCII = underscore(_)를 포함한 문자를 제외한 나머지 문자 = [^a-zA-Z0-9_]와 동일
\d	Unicode = 0~9의 숫자를 포함한 모든 숫자 ASCII = [0-9]와 동일
\D	Unicode = 0~9의 숫자를 제외한 모든 숫자 ASCII = [^0-9]와 동일
\s	Unicode = [\t\n\r\f\v]를 포함하는 공백문자 ASCII = [\t\n\r\f\v]와 동일\t = 탭\n = 줄바꿈\r = 캐리지 리턴\f = 폼피드\v = 수직 탭
\S	Unicode = [\t\n\r\f\v]를 제외한 공백문자 ASCII = [^\t\n\r\f\v]와 동일
\b	단어의 시작과 끝에 존재하는 공백
\B	단어의 시작과 끝이 아닌 곳에 존재하는 공백
\[숫자]	표시된 숫자만큼 일치하는 문자열을 의미
\A	문자열의 시작
\Z	문자열의 끝

 

2. re.sub 사용 예시

• 문법  (origin_text에서 pattern과 일치한 부분을 change_text로 변경)

re.sub(pattern, change_text, origin_text)

• 기본 사용1 - 패턴을 찾고 변경 

import re

text = '1234abc56'

text_re = re.sub(r'[1-4]', '', text)
print(text_re)

'''
--Result
abc56
'''

• 기본 사용2 - 패턴을 제외한 문자 제거

import re

text = '1234abc56'

text_re = re.sub(r'[^1-4a-z]', '', text)
print(text_re)

'''
-- Result
1234abc
'''

 

• 자세한 사용 참고
  https://cosmosproject.tistory.com/180