파이썬 정규 표현식으로 문자열 처리하는 5가지 방법

정규 표현식(Regex)은 문자열에서 특정 패턴을 찾고 조작하는 강력한 도구입니다. 파이썬에서는 re 모듈을 통해 정규 표현식을 쉽게 사용할 수 있습니다. 이를 활용하면 데이터 처리와 텍스트 분석에서 효율성을 크게 높일 수 있는데, 이메일 주소 검증, 전화번호 포맷팅 등 다양한 예제가 그 가능성을 보여줍니다. 정규 표현식의 기본 개념과 다양한 활용 사례를 통해 여러분의 프로그래밍 능력을 한 단계 끌어올려보세요. 아래 글에서 자세하게 알아봅시다.

정규 표현식의 기본 구조 이해하기

정규 표현식의 기초 요소

정규 표현식(Regex)은 문자열에서 특정 패턴을 찾고 조작하는 데 사용되는 강력한 도구입니다. 그 기본 구성 요소는 문자, 메타문자, 기호 등으로 이루어져 있습니다. 예를 들어, ‘.’은 모든 단일 문자를 의미하고, ‘^’는 문자열의 시작을 나타내며, ‘$’는 문자열의 끝을 나타냅니다. 이러한 요소들을 조합하여 복잡한 패턴을 정의할 수 있습니다. 또한, 대괄호([])를 사용하면 특정 문자 집합을 정의할 수 있으며, 이는 특정 문자가 포함되거나 제외된 문자열을 찾는 데 유용합니다.

메타문자와 그 활용

메타문자는 정규 표현식에서 특별한 의미를 가지며, 다양한 기능을 수행합니다. 예를 들어, ‘*’는 앞에 있는 문자나 그룹이 0회 이상 반복될 수 있음을 의미하고, ‘+’는 1회 이상 반복될 수 있음을 나타냅니다. 이러한 메타문자를 통해 우리는 보다 복잡한 패턴 매칭이 가능해집니다. 예를 들어, ‘a*’는 ‘a’가 없거나 여러 번 나타나는 경우 모두 일치하게 됩니다. 이처럼 메타문자는 정규 표현식을 작성할 때 매우 중요한 역할을 합니다.

그룹화와 캡처

정규 표현식에서는 괄호()를 사용하여 패턴의 일부를 그룹화할 수 있습니다. 이렇게 그룹화된 부분은 캡처되어 나중에 참조하거나 조작하는 데 사용할 수 있습니다. 예를 들어, ‘(abc)+’라는 정규 표현식은 ‘abc’, ‘abcabc’, ‘abcabcabc’와 같은 문자열과 일치합니다. 그룹화를 통해 보다 복잡한 문자열 검증이나 변형 작업도 손쉽게 수행할 수 있으며, 이를 통해 개발자는 필요한 정보를 더욱 효율적으로 추출할 수 있습니다.

파이썬에서 re 모듈 활용하기

re 모듈 소개 및 기본 함수

파이썬에서는 re 모듈을 통해 정규 표현식을 사용할 수 있습니다. 이 모듈에는 다양한 기능이 포함되어 있어 텍스트 처리 작업에 매우 유용합니다. 가장 기본적인 함수로는 `re.match()`, `re.search()`, `re.findall()` 등이 있으며 각각의 함수는 사용하는 목적에 따라 다릅니다. `re.match()`는 문자열의 시작에서부터 패턴과 일치하는지를 검사하며, `re.search()`는 전체 문자열 중에서 첫 번째로 일치하는 부분을 찾습니다. 마지막으로 `re.findall()`은 주어진 패턴과 일치하는 모든 부분을 리스트 형태로 반환합니다.

패턴 검색 및 치환하기

패턴 검색 후 해당 부분을 다른 값으로 치환하고 싶다면 `re.sub()` 함수를 사용할 수 있습니다. 이 함수는 지정된 패턴과 일치하는 모든 부분을 새로운 문자열로 바꾸어 줍니다. 예를 들어 전화번호 형식을 통일하기 위해 중복된 하이픈(-)이나 공백 등을 하나의 하이픈으로 바꿔주는 작업에도 유용하게 쓰입니다. 이처럼 정규 표현식과 re 모듈을 함께 활용하면 데이터 전처리 과정에서 많은 시간을 절약할 수 있습니다.

정규 표현식 테스트 도구 활용하기

실제로 정규 표현식을 작성하다 보면 올바르게 작동하는지 확인해야 할 필요가 많습니다. 이때 온라인에서 제공되는 정규 표현식 테스트 도구를 활용하면 유용합니다. 이러한 도구들은 입력한 패턴과 테스트할 문자열을 동시에 보여주며 실시간으로 결과를 확인할 수 있게 해줍니다. 이를 통해 실수로 잘못된 패턴을 작성했거나 의도하지 않은 결과가 발생했더라도 쉽게 수정할 수 있는 장점이 있습니다.

실제 사례로 배우기: 이메일 주소 검증

이메일 주소 포맷 이해하기

이메일 주소 형식을 검증하기 위해서는 일반적으로 ‘@’ 기호와 ‘.’ 기호가 포함되어야 합니다. 일반적인 이메일 주소의 형식은 사용자 이름@도메인.com입니다. 따라서 이를 반영하여 정규 표현식을 작성해야 합니다. 이메일 검증 규칙은 다양하지만 일반적으로 알파벳 대소문자와 숫자 외에도 점(‘.’), 밑줄(‘_’), 하이픈(‘-‘) 등의 특수 문자가 허용됩니다.

정규 표현식 구현하기

위에서 설명한 이메일 형식을 기반으로 간단한 정규 표현식을 만들어보겠습니다. 다음과 같은 식으로 작성할 수 있습니다: `^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$`. 이 식은 알파벳 대소문자와 숫자로 시작하며 ‘@’ 뒤에는 도메인이 와야 하고 최종적으로 ‘.’ 뒤에는 최소 두 글자의 알파벳이 오는 구조입니다.

검증 결과 처리하기

작성한 정규 표현식을 실제 코드에 적용해 보겠습니다. 사용자가 입력한 이메일 주소가 위 조건에 맞는지를 판단하고 그 결과에 따라 적절한 메시지를 출력하도록 구현해 볼 수 있습니다. 파이썬 코드를 이용해 이를 손쉽게 구현하며 필요한 경우 오류 메시지도 추가해서 사용자에게 피드백을 줄 수도 있습니다.

전화번호 포맷팅 및 검증 사례

전화번호 형식 분석하기

전화번호 역시 국가마다 다양한 형식을 가지고 있지만 일반적으로 구분자는 하이픈(-)이나 공백 등을 사용합니다. 대한민국의 전화번호 형식은 대개 ‘010-1234-5678’ 또는 ‘(02) 1234-5678’처럼 표기됩니다. 따라서 전화번호 검증 시 이러한 다양한 포맷에 대해 고려해야 합니다.

전화번호 정규 표현식 만들기

전화번호를 검증하기 위한 기본적인 정규 표현식을 만들어보겠습니다: `^(\d{2,3})[-\s]?(\d{4})[-\s]?(\d{4})$`. 여기서 첫 번째 그룹은 지역 번호(예: 02 또는 010), 두 번째 그룹은 중간 번호(예: 1234), 세 번째 그룹은 마지막 번호(예: 5678)를 나타냅니다.

폰트 변환 및 최종 출력 처리하기

전화번호가 올바른 형식인지 확인 후 원하는 포맷으로 변환하려면 위에서 만든 정규 표현식을 이용하여 치환 작업을 할 수도 있습니다. 이를 통해 불필요한 공백이나 하이픈 등을 제거하고 통일된 형태로 재출력함으로써 데이터 가독성을 높일 수 있습니다.

HTML 태그 내 텍스트 추출 사례

HTML 구조 이해하기

웹 페이지에서 데이터를 스크래핑하려고 할 때 HTML 태그 내 특정 내용을 추출해야 하는 경우가 많습니다. HTML 문서에서는 다양한 태그들이 존재하며 이들 안에는 우리가 원하는 정보가 담겨 있을 경우가 많습니다.

정규 표현식으로 HTML 내용 추출하기

특정 태그 내 텍스트만 가져오려면 적절히 설계된 정규표현식을 사용할 필요가 있습니다。예를 들어 `