정규식 (Regular expression)
. | Any character except newline. |
\\. | A period (and so on for \\*, \\(, \\\\, etc.) |
^ | The start of the string. |
$ | The end of the string. |
\\d,\\w,\\s | A digit, word character [A-Za-z0-9_], or whitespace. |
\\D,\\W,\\S | Anything except a digit, word character, or whitespace. |
[abc] | Character a, b, or c. |
[a-z] | a through z. |
[^abc] | Any character except a, b, or c. |
aa|bb | Either aa or bb. |
? | Zero or one of the preceding element. |
* | Zero or more of the preceding element. |
+ | One or more of the preceding element. |
{n} | Exactly n of the preceding element. |
{n,} | n or more of the preceding element. |
{m,n} | Between m and n of the preceding element. |
??,*?,+?, | |
{n}?, etc. | Same as above, but as few as possible. |
(expr) | Capture expr for use with \\1, etc. |
(?:expr) | Non-capturing group. |
(?=expr) | Followed by expr. |
(?!expr) | Not followed by expr. |
시작과 끝
(1) ^ (caret) : 라인의 처음이나 문자열의 처음을 표시
예 : ^aaa (문자열의 처음에 aaa를 포함하면 참, 그렇지 않으면 거짓)
(2) $ (dollar) : 라인의 끝이나 문자열의 끝을 표시
예 : aaa$ (문자열의 끝에 aaa를 포함하면 참, 그렇지 않으면 거짓)
문자표현
(3) . (period) : 임의의 한 문자를 표시. 단 개행(New line) 제외
예 : ^a.c (문자열의 처음에 abc, adc, aZc 등은 참, aa 는 거짓) a..b$ (문자열의 끝에 aaab, abbb, azzb 등을 포함하면 참)
(4) [] (bracket) : 문자의 집합이나 범위를 나타냄, 두 문자 사이의 "-"는 범위를 나타냄
[]내에서 "^"이 선행되면 not을 나타냄 이외에도 "문자클래스"를 포함하는 [:문자클래스:]의 형태가 있다. 여기에서 "문자클래스"에는 alpha, blank, cntrl, digit, graph, lower, print, space, uppper, xdigit가 있다. [:digit:]는 [0-9]와 [:alpha:]는 [A-Za-z]와 동일하다. 이외에 [::]는 어떤 단어(숫자, 알파벳, '_'로 구성됨)의 시작과 끝 을 나타낸다.
예 : [abc] (a, b, c 중 어떤 문자, "[a-c]."과 동일) [Yy] (Y 또는 y) [A-Za-z0-9] (모든 알파벳과 숫자) [-A-Z]. ("-"(hyphen)과 모든 대문자) [^a-z] (소문자 이외의 문자) [^0-9] (숫자 이외의 문자) [[:digit:]] ([0-9]와 동일)
반복
(5) {} (brace) : {} 내의 숫자는 직전의 선행문자가 나타나는 횟수 또는 범위를 나타냄
예 : a{3} ('a'의 3번 반복인 aaa만 해당됨) a{3,} ('a'가 3번 이상 반복인 aaa, aaaa, aaaa, ... 등을 나타냄) a{3,5} (aaa, aaaa, aaaaa 만 해당됨) ab{2,3} (abb와 abbb 만 해당됨) [0-9]{2} (두 자리 숫자) doc[7-9]{2} (doc77, doc87, doc97 등이 해당) [^Zz]{5} (Z와 z를 포함하지 않는 5개의 문자열, abcde, ttttt 등이 해당) .{3,4}er ('er'앞에 세 개 또는 네 개의 문자를 포함하는 문자열이므로 Peter, mother 등이 해당)
(6) * (asterisk) : "*" 직전의 선행문자가 0번 또는 여러번 나타나는 문자열
예 : ab*c ('b'를 0번 또는 여러번 포함하므로 ac, ackdddd, abc, abbc, abbbbbbbc 등) * (선행문자가 없는 경우이므로 임의의 문자열 및 공백 문자열도 해당됨) .* (선행문자가 "."이므로 하나 이상의 문자를 포함하는 문자열, 공백 문자열은 안됨) ab* ('b'를 0번 또는 여러번 포함하므로 a, accc, abb, abbbbbbb 등) a* ('a'를 0번 또는 여러번 포함하므로 k, kdd, sdfrrt, a, aaaa, abb, 공백문자열 등) doc[7-9]* (doc7, doc777, doc778989, doc 등이 해당) [A-Z].* (대문자로만 이루어진 문자열) like.* (직전의 선행문자가 '.'이므로 like에 0 또는 하나 이상의 문자가 추가된 문자열이 됨 like, likely, liker, likelihood 등)
(7) + : "+" 직전의 선행문자가 1번 이상 나타나는 문자열
예 : ab+c ('b'를 1번 또는 여러번 포함하므로 abc, abckdddd, abbc, abbbbbbbc 등, ac는 안됨) ab+ ('b'를 1번 또는 여러번 포함하므로 ab, abccc, abb, abbbbbbb 등) like.+ (직전의 선행문자가 '.'이므로 like에 하나 이상의 문자가 추가된 문자열이 됨, likely, liker, likelihood 등, 그러나 like는 해당안됨) [A-Z]+ (대문자로만 이루어진 문자열)
(8) ? : "?" 직전의 선행문자가 0번 또는 1번 나타나는 문자열
예 : ab?c ('b'를 0번 또는 1번 포함하므로 abc, abcd 만 해당됨)
() (parenthesis)
()는 정규식내에서 패턴을 그룹화 할 때 사용
| (bar)
or를 나타냄
예 : a|b|c (a, b, c 중 하나, 즉 [a-c]와 동일함) yes|Yes (yes나 Yes 중 하나, [yY]es와 동일함) korea|japan|chinese (korea, japan, chinese 중 하나)
\ (backslash)
위에서 사용된 특수 문자들을 정규식내에서 문자를 취급하고 싶을 때 \
를 선행시켜서 사용하면됨
예 : filename\.ext ("filename.ext"를 나타냄) [?[\]] ('?', '[', '', ']' 중 하나) 정규식에서는 위에서 언급한 특수 문자를 제외한 나머지 문자들은 일반 문자로 취급함
검색 + 치환을 위한 하부식(부분식)
( )로 둘러싼 부분은 각각 하나의 덩어리로 취급해서, 검색시 ( ) 안에 해당되는 내용들을 변경할 내용에서 그대로 가져다 이용할 수 있습니다. 검색된 각각의 ( )안에 해당되는 내용은 변경할 내용에서 $1, $2, .. 등으로 지정해서 쓸 수 있습니다. 예제) mp3파일 이름 바꾸기
검색 : (.*) - (.*)\.mp3 .*은 길이에 상관없이 임의의 문자열, \.은 점 치환 : $2 - $1.mp3 앞에서 검색한 ( )안에 해당되는 내용끼리 순서 바꾸기
ex) "제목 - 연주자.mp3" Þ "연주자 - 제목.mp3"
앞에서 정의한 하부식을 다시 활용하기 (제가 잘못 이해한 것일 수도 있는데) \n은 ( ) 하부식 중에서 n번째 하부식을 가리킵니다.
예제) (.+)\1+ \1로 되어 있으니까 첫번째 부분식 (.+)를 가리킵니다. 위 내용을 해석하자면, 일단 (.+)가 있으니까 이에 해당되는 내용을 찾고, \1+이 있으니까 첫번째 부분식 (.+)와 똑같은 내용이 그 뒤에 1번 이상 있는 문자열을 찾습니다. 예제) abab같은 문자열이 위에 해당되는데, 일단 (.+) 즉 임의의 문자열 ab를 찾고 그 뒤에 \1+로 첫번째 부분식을 다시 1번 이상 있는 것을 찾으니까 뒤의 ab가 이에 해당합니다.
예제
정규식은 Unix의 대표적인 유틸리티인 vi, emacs, ed, sed, awk, grep, egrep 등에서 사용할 수 있다. 다음은 grep에서 정규식을 활용한 예를 보여 주고 있다.
(1) $ 명령어 | grep '정규식' 17.11.1999
HTML tag
모든 태그 단순버전
<[^>]+>
특정 태그
<title\b[^>]*>(.*?)</title> <script\b[^>]*>(.*?)</script> <style[^>]*>(.*?)</style> 스타일
날짜
[0-9]{4}/[0-9]{2}/[0-9]{2} yyyy/mm/dd
주민번호
코드 => $joomin="711011-1234567"; if (ereg("([0-9]{2})([01]{1}[09]{1}[0-3]{1}[0-9]{1})-([12]{1}[0-9]{6})",$date, $regs)) print("Valid"); else print("Invalid format: $joomin"); int eregi(string givenPattern, string givenString, array matched);
이메일
예 : 코드 => $email="[email protected]"; eregi("(^[_.0-9a-z-]+)@(([0-9a-z][0-9a-z-]+.)+)([a-z]{2,3}$)",$email,$matched); while (list($a,$b)=each($matched)) if ($b) print("$a, $b "); 결과 => 0, [email protected] 1, xs9_tx-abc.yyy_c 2, cne.kyungsung.ac. 3, ac. 4, kr 코드 => eregi("^[_.0-9a-z-]+@([0-9a-z][0-9a-z-]+.)+[a-z]{2,3}$",$email,$matched); while (list($a,$b)=each($matched)) if ($b) print("$a, $b "); 결과 => 0, [email protected] 1, ac. string ereg_replace(string givenPattern, string replacementPattern, string givenString); - givenString에서 givenPattern에 부합하는 텍스트(matched text)를 찾아서, replacementPattern으로 대체 givenPattern이 "(패턴)"으로 묶인 문자열들을 포함하고 있으면, replacementPattern에는 이에 대응하는 "\digit(문자열)" 형태의 문자열들을 포함하고 있어야 한다 (digit는 0, 1, ... ,9 중 하나). 그리고 givenString은 "(패턴)"을 이용해 찾은 결과들을 "\digit(문자열)"에 있는 "문자열"들로 대체하게 된다. "\0" 는 givenString 전체에 대해 "(패턴)"의 결과를 적용할 때 이용된다. 변경된 문자열을 리턴 case sensitive
예 : 코드 => $string = "This is a test"; print(ereg_replace(" is", " was",$string)); print(""); print(ereg_replace("( )is","\1was",$string)); print(""); print(ereg_replace("(( )is)","\2was",$string)); print(""); print(ereg_replace("(( )is)(( )a)(( )test)", "\1was\2an\3exam",$string)); 결과 => "This was a test"; "This was a test"; "This was a test"; "This was an exam";
예 2 : redundant whitespace 없애기 코드 => $str ="~ s/s+/ /g"; $str = eregi_replace("[[:space:]]+", " ", $str); print("$str"); 결과 => ~ s/s+/ /g string eregi_replace(string givenPattern, string replacementPattern, string givenString); - ereg_replace의 'case insensitive' 버젼
소수점 이하 자리
\.[0-9]*
경로에서 디렉토리와 파일이름을 분리
^(.*/)(.*)$