[Python] 정규식을 이용한 패턴 찾기

[Python] 정규식을 이용한 패턴 찾기

 

1) 텍스트에서 문자 패턴 찾기

 mbox-short.txt 파일에서 'From:'이라는 문자 패턴이 포함된 문장을 찾아 출력

여기에서는 find() 메소드를 사용

import re

hand = open('mbox-short.txt')
for line in hand:
    line = line.rstrip()
    if line.find('From:') >= 0:
        print(line)

 

같은 코드를 정규표현식으로 작성하면 다음과 같다.

정규표현식을 사용하기 위해서는

1. re(regular expression) 모듈을 import

2. re.search()가 find() 메소드와 같은 역할

import re

hand = open('mbox-short.txt')
for line in hand:
    line = line.rstrip()
    if re.search('From:', line) :
        print(line)

---

2) 텍스트에서 시작 패턴 찾기

 'From:'으로 시작하는 문장을 출력하는 프로그램

import re

hand = open('mbox-short.txt')
for line in hand:
    line = line.rstrip()
    if line.startswith('From:') :
        print(line)

 

이것을 정규표현식으로 표현하려면 다음과 같이 '^'라는 특수 문자를 사용하면 된다.

^ : 시작

import re

hand = open('mbox-short.txt')
for line in hand:
    line = line.rstrip()
    if re.search('^From:', line) :
        print(line)

---

3) 패턴 추출하기

'[0-9]+' 은 0부터 9까지 문자가 1번 이상 반복되는 패턴이다.

즉, 정수로 이루어진 데이터를 찾는 것

 

• [ ] : 대괄호 안의 문자들 중 한 개의 문자와 매치
        [amk]라고 한다면 a 또는 m 또는 k 중 하나라도 존재하면 매치를 의미
        [a-z]와 같이 범위를 지정할 수도 있습니다. [a-zA-Z]는 알파벳 전체를 의미하는 범위
        (( 즉, 문자열에 알파벳이 존재하면, 매치를 의미))
• + : 앞의 문자가 최소 한 개 이상 존재 (문자가 1개 이상)

 

findall 메서드는 x(두 번째 파라미터)라는 문자열에 존재하는 패턴('[0-9]+')을 모두 리스트로 저장해주는 기능

따라서, 이 코드는 x라는 문자열에서 정수 형태의 데이터를 모두 추출하여 y에 저장을 하는 코드

import re
x = 'My 2 favorite numbers are 19 and 42'
y = re.findall('[0-9]+',x)
print(y)

# ['2', '19', '42']

 

다음 코드는 'A','E','I','O','U'로 이루어진 패턴('[AEIOU]+')을 찾아 출력하는 코드이지만

x 문자열에 해당되는 패턴이 없어서 빈 리스트를 출력한다.

여기서 알 수 있는 사실은 정규 표현식에서는 소문자와 대문자를 구분한다는 사실이다.

import re
x = 'My 2 favorite numbers are 19 and 42'
y = re.findall('[AEIOU]+',x)
print(y)

# [] (빈 리스트 출력)

---

4) 탐욕적 방식의 패턴 찾기
(일치하는 여러 패턴이 있을 경우 가장 긴 것을 선택)

 

만약 다음 문장에서 '^F.+:'라는 패턴과 일치하는 부분을 찾는다면,

• ^F : F로 시작하는 문자열
• . + : 하나 이상 반복

=> F로 시작하는 문자열 중에서 : 으로 끝나는 문자열 ( : 앞에 하나 이상의 임의의 문자가 있어야 함)

 

 

x = 'From: Using the : character'

• From:
• From: Using the :

이라는 두 가지 부분이 모두 패턴과 일치하게 된다.

이럴 때는 다음과 같이 가장 긴 패턴을 찾아주는데, 이것을 '탐욕적 방식의 패턴 찾기'라고 부른다.

import re
x = 'From: Using the : character'
y = re.findall('^F.+:', x)
print(y)

# ['From: Using the :']

---

5) 비탐욕적 방식의 패턴 찾기

다음 코드에서처럼 패턴 뒤에 '?'(물음표)를 붙여주면 여러 대상 중 가장 짧은 것을 선택하게 된다.

(( ?를 붙이면 욕심을 버릴 수 있다 ))

• ? : ? 앞의 문자가 존재할 수도 있고 존재하지 않을 수도 있는 경우

import re
x = 'From: Using the : character'
y = re.findall('^F.+?:', x)
print(y)

# ['From:']

---

6) 원하는 부분만 추출하기

다음 코드를 실행하면 '@' 문자 앞 뒤로 공백이 아닌 문자가 오는 문자열 패턴을 찾아준다.

'\S+@\S+'

 

따라서 다음과 같이 이메일 주소의 패턴이 추출된다.

x = 'From stephen.marquard@uct.ac.za Sat Jan  5 09:14:16 2008'

y = re.findall('\S+@\S+',x)
print(y)

# ['stephen.marquard@uct.ac.za’]

 

그리고 다음과 같이 From으로 시작하는 이메일 주소 패턴에서 이메일 주소 부분만 추출할 수도 있다.

소괄호를 사용해서!!!

x = 'From stephen.marquard@uct.ac.za Sat Jan  5 09:14:16 2008'
y = re.findall('^From (\S+@\S+)',x)
print(y)

# ['stephen.marquard@uct.ac.za']

---