정규표현식 기초

정규표현식 기초

정규표현식은 자주 유용하게 사용될수 있는데 반해 이해하는데 어려움을 느끼는 경우가 있습니다.
간단하게 기본적인 내용에 대해서 정리해 보았습니다.

정규표현식은 그자체로 프로그래밍 언어입니다.
도구로 사용하면 좋으니 시간나실 때 익혀두시면 좋습니다.

.

newline(\n) 문자를 제외한 모든 문자를 인식
주로 인식 가능한 토큰 외의 잘못된(Illegal) 토큰을 분류할때 사용.

+

앞에 나온 문자가 1번 이상 반복하는 것을 인식
[0-9]+는 숫자가 하나 이상 나오는 1, 11, 23, 4384등을 인식

*

앞에 나온 문자가 0번이상 반복하는 것을 인식
+와 달리 empty string도 인식가능

[]

문자집합(character class)을 나타냄
[abcdef]라면, a, b, c, d, e, f중 하나만 나오면 인식
-는 범위를 나타내므로, [abcdef]는 [a-f]와 같음

^

한줄의 제일 처음에 오는 문자를 인식
^4는 4가 한줄의 맨처음 문자일 경우에만 인식

$

한줄의 끝에 오는 문자를 인식

{}

앞에 있는 패턴이 여러번 나올 경우 몇번이나 인식할지 결정
{n} 또는 {n,m}, {n,}으로 지정.

각각의 의미는 다음과 같습니다.

{n}은 앞의 패턴이 n개일 경우 매치
{n,m}은 앞의 패턴이 n개 이상 m개 이하(inclusive)인 경우에 매치
{n,}은 앞의 매펀이 n개 이상 나오는 경우에 매치

?

앞에 오는 정규표현이 있거나 없거나 인식. (optional)

-?[0-9]+는 음수 또는 양수를 인식

명시적으로 숫자 앞에 +, - 둘다 표현하는 경우에는

[+-]?[0-9]+

-100, +100, 100와 같은 경우 매치.

\

escape 문자를 나타낼때 사용

/

/ 앞에 오는 정규표현을 인식하는데, 반드시 그 정규표현 다음에
/ 뒤의 정규 표현이 따라와야함.
0/1은 0다음에 1이 오는 0을 인식.
01이라면 0을 인식하지만 02라면 인식을 하지 않음

|

|의 앞에 오는 정규표현과 뒤에 오는 정규표현 둘중의 하나만 인식

"

"와 "사이에 있는 정규표현식 인식
"THE END"라면 THE나 END를 인식하는 것이
아니라 THE END를 인식.
(예. "for" "if" "while" 등등 처리시에 사용.)

()

정규표현을 묶을때 사용

\b

단어의 구분.
공백, 탭, 컴마, 대시등에 해당.

\B

\b가 아닌 경우 즉, 단어 구분자가 아닌 경우.

\s

공백문자.

\S

공백문자가 아닌 경우.

\d

숫자 문자 하나.
[0-9]와 같음.

\D

숫자가 아닌 문자하나.
[^0-9]와 같음.

\w

단어를 이룰 수 있는 문자들중 하나.
알파벳, 숫자, 언더스코어에 해당.

\W

\w에 해당하지 않는 문자하나.

\n

개행(newline) 문자.
캐리지리턴(carrage-return)은 \r에서 별도로 인식.

\r

캐리지리턴(carrage-return) 문자.

이하는 간단한 예제입니다.

---

차근차근 과정을 거쳐서 온전한 숫자 리터럴을 정의해보록 하겠습니다.

한자리 숫자를 정의한다면

[0-9]

한자리 이상의 정수를 정의한다면

[0-9]+

여기에 음수도 표현할 수 있도록 부호를 추가하면

-?[0-9]+

소수점 아래부분도 표현해보자면,
대부분의 경우 정수만 사용하는것이 아니라 1.2, 0.532, .314등과 같은 수도 사용하게 됩니다.
이것들을 인식하려면

[0-9]*"."[0-9]+

그러나, 위의 정규표현은 0, 2같은 수는 인식하지 못합니다. 다시 고쳐보면

([0-9]+)|([0-9]*"."[0-9]+)

위의 표현식은 |로 나뉘어져 있으므로 ([0-9]+)를 인식하거나
([0-9]*"."[0-9]+)를 인식하게 되는데,
()는 정규표현을 이해하기 좋고 우선 순위를 따지기 위해 사용되었습니다.
우선순위가 애매하거나 처리 순서를 명확하게 하고 싶을 경우에 ()로 묶어주면 좋습니다.
이제 부호를 덧붙이면

-?(([0-9]+)|([0-9]*"."[0-9]+))

가 되는데 이표현도 |로 나뉘어져 있으므로 -?([0-9]+)를 인식하거나
-?([0-9]*"."[0-9]+)를 인식하게 됩니다.
그럼 수의 표현의 마지막으로 지수를 표현해보자면,
지수 부분은 e-2, e3, E-2, E23등과 같이 표현됩니다.
이것을 정규표현으로 나타내면

[eE][-+]?[0-9]+

처럼 표현할 수 있습니다.
그러면 이제 지수부분을 통합하여 모든 수를 나타낼수 있는 표현을 만들면 다음과 같습니다.

-?(([0-9]+)|([0-9]*"."[0-9]+)([eE][-+]?[0-9]+)?)