[텍스트 분석] 정규표현식(전화번호 패턴, 이메일 패턴)

정규표현식 개념

문자열 내에서 패턴을 찾거나 변형하는데 사용되는 문자열 패턴 매칭 도구

---

정규표현식 기본 문법

1. 문자 및 메타문자:
   • .: 어떤 문자 하나와 일치.
   • *: 바로 앞의 패턴이 0번 이상 반복.
   • +: 바로 앞의 패턴이 1번 이상 반복.
   • ?: 바로 앞의 패턴이 0번 또는 1번 나타남.
   • []: 괄호 안의 어떤 문자와 일치.
   • (): 괄호 안의 패턴을 그룹으로 묶음.문자 클래스:
     • [a-z]: 소문자 a부터 z까지의 문자와 일치.
     • [A-Z]: 대문자 A부터 Z까지의 문자와 일치.
     • [0-9]: 숫자 0부터 9까지의 문자와 일치.
2. 특수 문자:
   • \: 이스케이프 문자를 사용하여 특수 문자를 일반 문자로 처리.
   • \d: 숫자와 일치.
   • \w: 숫자와 문자(알파벳) 및 밑줄(_)과 일치.
   • \s: 공백 문자와 일치.
3. 앵커:
   • ^: 문자열의 시작과 일치.
   • $: 문자열의 끝과 일치.

---

Step 1. 정규표현식 모듈 불러오기

import re # 정규식 모듈 불러온다.

---

Step2. match & search 

• match : 가장 맨 앞에 인덱스에서 해당하는 패턴이 있는지 보고 없으면 바로 스킵
• search : 전체를 확인하고 매칭이 되는 패턴을 찾는다.

re.match('hi','hi,guys')

 

<re.Match object; span=(0, 2), match='hi'>

 

re.match('bye','hi,guys') # 매칭이 안 되면 아무것도 반환되지 않는다.

re.search('hi', 'hi,guys')

 

<re.Match object; span=(0, 2), match='hi'>

re.match('hi','hello, hi') # 처음부터 매칭이 안되면 스킵 > 아무것도 출력되지 않는다.

 

• 여러 문자열 중 하나라도 포함되면 찾기

re.match('hello|hi','hi,python')

<re.Match object; span=(0, 2), match='hi'>

re.match('hello|hi','python,hi') # 제일 앞에서 찾고 없으면 아무것도 출력 안함

---

Step 3. 1개 이상의 패턴을 찾아야 하는 경우 

정규식에서 숫자를 표현할 때 [] 대괄호 안에 값을 넣어서 패턴을 표시

• 숫자, 한글, 알파벳, 특수문자
• 모든 숫자를 표현하는 방법 : [0-9]
• '*' : 특수문자가 0개 이상 있는지 확인
• '+ ': 1개 이상 있는지 확인

 

[0-9] 숫자

re.match('[0-9]','8956') # match 맨 앞에만 찾는다. 따라서 8

<re.Match object; span=(0, 1), match='8'>

re.search('[0-9]','8956')

<re.Match object; span=(0, 1), match='8'>

re.match('[0-9]+','8956') # + : 1 이상 확인

<re.Match object; span=(0, 4), match='8956'>

re.search('[0-9]+','8956')

<re.Match object; span=(0, 4), match='8956'>

re.match('[0-9]+','전화번호뒷자리8956') # 맨 앞자리만 비교 > 아무것도 출력되지 않음

re.search('[0-9]+','전화번호뒷자리8956')

<re.Match object; span=(7, 11), match='8956'>

 

[가 - 힣] 문자 : 한글

re.search('[가-힣]', '1234안녕hello')

<re.Match object; span=(4, 5), match='안'>

re.search('[가-힣]+', '1234안녕hello')

<re.Match object; span=(4, 6), match='안녕'>

re.search('[가-힣]+', '1234안녕hello안녕')

<re.Match object; span=(4, 6), match='안녕'>

 

[a-zA-z가-힣] 문자 : 한글, 영어

re.search('[a-zA-z가-힣]+','1234frameData안녕')

<re.Match object; span=(4, 15), match='frameData안녕'>

---

Step 4. 문자 개수 판단하기

 

{숫자}

re.search('c{4}','cccc') # c를 네번 찾아줘

<re.Match object; span=(0, 4), match='cccc'>

re.search('c{5}','cccb') #c가 4번이 없어서 촐력되지 않음

# 주민등록번호 패턴
'123456 - 1234567'
re.search('^010-[0-9]{4}-[0-9]{4}$','010-1234-1234')

 

---

Step 5. not 사용하기

not(^) : 특정 문자 범위 포함되지 않는지 판단

• [\^범위]* 
  • * :  바로 앞 패턴이 0번 이상 반복
• [\^범위]+
  • + : 바로 앞 패턴이 1번 이상 반복

re.search('[A-Z]+','안녕123') # 해당사항 없음 > 아무것도 출력되지 않음

re.search('[^A-Z]+','안녕123') # not 조건

<re.Match object; span=(0, 5), match='안녕123'>

---

Step 6.  간결한 표현 사용하기

• 영문, 한글, 숫자 더 간단하게 표현 가능
  • \d  : [0-9]
  • \D  : [\^0-9]
  • \w  : [a-Za-zo-a9]
  • \W  : [\^a-Za-zo-a9]]

 

re.search('\d','8956')

<re.Match object; span=(0, 1), match='8'>

re.search('\d+','8956') # + 붙이면 전체 다 찾음

<re.Match object; span=(0, 4), match='8956'>

---

Step 7. 공백처리

• ' '
• \s
• \S

re.search('([0-9]+) ([a-z]+)', '1234 kim') #공백 있음

<re.Match object; span=(0, 8), match='1234 kim'>

---

Step 8. 문자열 패턴 문법

• re.findall('패턴','문자열')
• re.sub('패턴','바꿀문자열', '문자열')

tests = re.findall('[a-z]+', '1234 a 12345 b 12345 c')
tests

['a', 'b', 'c']

 

re.sub('xxx | yyy','cake','aaa bbb ccc xxx yyyy')

 

'aaa bbb ccc cake yyyy'

 

re.sub('[a-z]+','영어',' 1 2 3 4 a b')

 

1 2 3 4 영어 영어

---

실전1 _ 문자열 패턴 정의, 테스트 하는 함수 만들기

# 문자열 정규표현식 패턴 정의
pattern_plus = "ca+t"  # "c" 다음에 "a"가 한 번 이상 반복되고 "t"로 끝나는 패턴
pattern_star = "ca*t"  # "c" 다음에 "a"가 0번 이상 반복되고 "t"로 끝나는 패턴

# 테스트할 문자열들
test_strings = ["ct", "cat", "caat", "cast", "ctt"]

# 각 패턴별로 문자열을 검사하여 일치 여부를 출력
for test_string in test_strings:
    match_plus = re.match(pattern_plus, test_string)
    match_star = re.match(pattern_star, test_string)

    print(f"Input: {test_string}")
    print(f"Pattern '+' Match: {match_plus is not None}")
    print(f"Pattern '*' Match: {match_star is not None}")
    print("=" * 20)

---

실전2_ 이메일 패턴으로 입력받기

<조건>

대문자 사용 불가, 처음 문자, 숫자 불가
특수문자 사용 불가

import re

def Email_check(Email_input):
  # Email_input = input("이메일을 입력해주세요 : ")

  test0 = re.search('[@]',Email_input)

  if test0 is None:
    print('이메일 형식이 일치하지 않습니다.')

  else:
    Email_id = Email_input.split('@')[0]
    Email_company = Email_input.split('@')[1]

    test1 = re.search('([a-z]+)([0-9]*)([^@#$%^*]([^A-Z]))', Email_id) #처음 시작 : 소문자 1개 이상, 영어
    test2 = re.search('[^A-Z]+', Email_company)

    if test1 is None or test2 is None:
      print("이메일을 형식이 일치하지 않습니다.")

    else:
      print("이메일 입력 완료")