정규표현식에 대하여

정규표현식은 여러 목적으로 사용된다. 정규표현식 자체는 어렵지 않다.

 

정규식(正規式)은 특정한 규칙을 가진 문자열의 집합을 표현하는 데 사용하는 형식 언어이다.

< 정규표현식의 정의 : 출처 위키백과 ko.wikipedia.org/wiki/%EC%A0%95%EA%B7%9C_%ED%91%9C%ED%98%84%EC%8B%9D >

이 정규표현식이 참.... 알면 편한데 문자열 파싱 하는 일이 자주 없다 보니 필자는 자주 안 쓰게 된다. 사용법이 헷갈린 것도 있고, 자주 안 보면 까먹기 일수이다. 이번 포스팅에서 내 기억도 살릴 겸 정규표현식에 대해서 정리를 해보고자 한다.

 

---

패턴

일단 정규 표현식은 문자열을 표현하는 "패턴"이라는 놈이 존재한다. 즉 이 "패턴"을 가지고 노는 게 정규표현식에서 자유로워야 하는데, 이 "패턴"에는 특정한 의미를 가진 "메타 문자"라는 게 존재한다.(예를 들면 정규표현식에서 점(.)은 New Line을 제외한 모든 한 문자를 의미한다.)

 

표준 표현법

아래는 POSIX의 기본/확장 문법을 정리한 표이다.

메타문자	기능	설명
.	문자	New Line을 제외한 1개의 문자
[ ]	문자 집합	대괄호에 써있는 문자중 하나를 선택한다.  ex : [abc]d >> ab, ac, ad
[^ ]	부정	대괄호에 써있는 문자를 제외하고 선택한다. ex : [^abc]d >> 일단 ab, ac, ad는 뺀다.
^	처음	처음을 의미한다.  ex : ^[asdf] >> a, s, d, f로 시작하는 문자(열)
$	끝	끝을 의미한다. ex : $[asdf] >> a, s, d, f로 끝나는 문자(열)
|	선택	여러 식 중 하나를 선택한다.(파이프다)
( )	하위식	식 여러개를 하나로 묶는다. 약간 드모르간인듯 ex : abc|acd == a(b|c)d
\n	일치하는n번째 패턴	일치하는 패턴 중 n번째 패턴을 의미한다. (New Line이 아니다!)
*	0회 이상	0개 이상의 문자를 포함한다.  ex : a*b >> b, ab, aab, aaab, aaaab 등등
+	1회 이상	1개 이상의 문자를 포함한다.  ex : a+b >> ab, aab, aaab, aaaab 등등
?	0또는 1회	ex : a?b >> b, ab
{m, n}	m회 이상, n회 이하	ex : a{1,4}c >> ac, aac, aaac, aaaac

 

또한 문자열을 지정할 때 자주 사용하는 정규표현식은 다음과 같다. 

* 아래는 POSIX 표준이 아닌 ASCII 식을 첨부한다.(더 활용성이 높다고 생각한다.)

ASCII 표현식	설명
[A-Za-z0-9]	영숫자
[^A-Za-z0-9]	영숫자가 아님
[\t]	공백 혹은 탭
[\x00-\x1F\x7F]	제어문자(00은 NULL을 1F는 이스케이프 시퀀스를, 7F는 ASCII Character DEL(? 맞는지 모르겠다.)
[\x21-\x7E]	보이는 문자
[ \t\r\n\v\f]	모든 공백문자

 

POSIX란?

POSIX는 portable Operating System Interface의 약어로 서로 다른 UNIX의 공통 API를 정리해서 이식성을 향상하기 위한 IEEE의 표준규격이다. POSIX 규격은 C 언어의 시스템 콜(System Call), 압축 포맷까지 광범위한 범위를 표준 한다. Window도 POSIX 서브시스템과 비슷한 시스템(SUA)을 탑재하고 있어서 POSIX를 만족하는 응용 프로그램이 실행 가능하다.

 

---

정규표현식은 거의 모든 에디터나 프로그래밍 언어에서 지원한다. 자유자재로 사용할 줄 아는 게 확실하게 도움이 된다.