정규 표현식의 분류에 따른 차이점과 올바른 사용법

정규 표현식은 개발이나 운영에 중요한 도구다.
매뉴얼이 없어도 자유자재로 사용할 필요가 있다.

이 글은 유사성을 묶어서 알아야 하는 내용을 줄이고,
각 분류 간의 차이점을 드러내어 지식을 확장하는 방법을 사용하였다.

분류는 기본 정규식, 확장 정규식, 펄 호환 정규식(PCRE, Perl-Compatible Regular Expressions), 이맥스 정규식으로 나누어 살펴보겠다.

표준 정규식

정규 표현식	의미
.	임의의 한 문자
[]	문자 클래스
[^]	부정 문자 클래스. 문자 클래스 안의 문자를 제외한 나머지를 선택
^	문자열이나 행의 시작
$	문자열이나 행의 끝
*	앞 요소를 0회 이상
{n}	앞 요소가 n개
{n,}	앞 요소가 n개 이상
{n,m}	앞 요소가 n개 이상, m개 이하
()	하위식. 정규식 안에 하위 패턴을 지정해서 사용할 경우 사용
\n	일치하는 n번째 패턴

표준 정규식 예 : 이메일

[A-Za-z0-9_]{1,}@[A-Za-z0-9-]{1,}(\.[A-Za-z0-9-]{1,})*\.[A-Za-z]{2,6}

확장 정규식

확장 정규식에는 표준 정규식에 없는 몇가지 메타 문자가 추가되었다.

정규 표현식	의미
.	임의의 한 문자
?	앞의 요소를 0 또는 1회
+	앞의 요소를 1회 이상
|	둘 중의 하나. 예를 들면, "abc|adc"는 "abc"와 "adc" 모두 포함

구문 클래스(syntax classes)

구문 클래스	의미
[:digit:]	숫자
[:alpha:]	문자
[:alnum:]	문자 또는 숫자
[:upper:]	대문자
[:space:]	공백 문자
[:xdigit:]	16진수 숫자
[:cntrl:]	제어 문자
[:ascii:]	ascii 문자

확장 정규식 예 : 이메일

[[:alnum:]_]+@[[:alnum:]-]+(\.[[:alnum:]-]+)*\.[[:alpha:]]{2,6}

펄 호환 정규식

펄 호환 정규식은 몇몇 문자 클래스를 제공한다.

문자 클래스	의미
\w	단어 (영문자, 숫자, '_')
\W	영문자, 숫자, `_' 아닌 문자
\b	낱말 경계
\d	숫자
\D	숫자 아닌 문자
\s	공백 : \t \r \n \v \f
\S	공백 아닌 문자

펄 호환 정규식 예 : 이메일

\b\w+@[\dA-Za-z-]+(\.[\dA-Za-z-]+)*\.[A-Za-z]{2,6}\b

패턴 변경자 (modifiers)

PCRE 변경자는 (?aimsx)의 표현으로 정규 표현식을 변경할 수 있다.

패턴 변경자	의미
i	대문자와 소문자를 구별하자 않음
m	"줄 시작"과 "줄 끝"은 주어진 문자열의 모든 뉴라인 직후와 직전을 인식
s	점 메타문자는 뉴라인을 포함하는 모든 문자를 인식
x	공백 문자는 이스케이프 되거나 문자 클래스 안에 있을 경우를 제외하고, 완전히 무시

패턴 변경자 사용 예

(?i)a

a와 A

positive and negative look-around^[각주:1]

정규 표현식	이름	사용 형태	의미
(?=)	positive lookahead	a(?=b)	a 다음 b가 일치
(?!)	negative lookahead	a(?!b)	a 다음 b가 일치하지 않음
(?<=)	positive lookbehind	(?<=a)b	a가 일치하고 b가 나옴
(?<!)	positive lookbehind	(?<!a)b	a가 일치하지 않고 b가 나옴

positive and negative look-around 사용 예

apple(?= computer)
apple(?! computer)
(?<=apple )computer

apple 다음에 ' computer'가 나오는 apple만 얻음
apple 다음에 ' computer'가 나오지 않는 apple만 얻음
'apple ' 다음에 오는 computer만 얻음

이맥스 정규식

비교표

emacs 정규 표현식	정규 표현식	의미
\(\)	()	하위식. 정규식 안에 하위 패턴을 지정해서 사용할 경우 사용[각주:2]
\{n,m\}	{n,m}	앞 요소가 n개 이상, m개 이하
\|	|	둘 중의 하나. 예를 들면, "abc\|adc"는 "abc"와 "adc" 모두 포함
[[:word:]_]	\w	단어 (영문자, 숫자, '_')
[[:digit:]]	\d	숫자
\w \sw	[A-Za-z0-9]	단어 (영문자, 숫자)
\W \Sw	[^A-Za-z0-9]	단어 아닌 문자
\s-	\s	공백 문자 (아래 구문 클래스 참고)
\S-	\S	공백 아닌 문자
\< \>	\b	낱말 경계
\_< \_>		심볼의 시작/끝

구문 클래스 (syntax classes)

• \scode : 구문이 code와 일치
• \Scode : 구문이 code와 일치하지 않음

몇가지 구문 코드

구문 코드	의미
-	공백문자
w	단어
_	심볼
.	구두점
( )	괄호 열기, 닫기
"	인용 부호
< >	주석 열기, 닫기

구문 클래스 예
\sw 단어와 일치, \Sw 단어와 일치하지 않음

이맥스 정규식 예 : 이메일

\<[[:word:]_]+@[[:word:]-]+\(\.[[:word:]-]+\)*\.[[:word:]]\{2,6\}\>

선택 지침

다음은 상황에 맞는 정규식을 선택하는 지침이다.

• 프로그래밍이 아니고, 확장 정규식이 가능한지 모르겠으면, 기본 정규식만 사용한다.
• 확장 정규식을 지원하는 도구 몇가지를 기억한다.
  몇가지 되지 않으니 외워두자. awk, egrep 등
  확장 정규식을 사용할 수 있으면 잘 활용한다.
• 프로그래밍을 할때는 펄 호환 정규식을 사용한다.
  대부분의 프로그래밍 언어/라이브러리에서 사용한다.
• 이맥스 환경에서는 이맥스 정규식을 사용한다.

1. [정규표현식] 이것이 고급이다 - (Positive, Negative) Lookahead, Lookbehind [본문으로]
2. 이맥스 정규식의 메타 문자 중에 '\(' '\)' '\{' '\}' '\|'는 '\' 붙어있다. '\'이 없으면 보통 문자이다. 나머지 메타문자에는 `\'를 붙일 필요가 없다는 뜻이다. [본문으로]