이번에는 정규식을 컴파일할 때 사용할 수 있는 여러가지 옵션에 대해 알아보겠다.
이번 글에서도 역시 점프 투 파이썬을 참고하며 공부했다.

컴파일 옵션

  1. DOTALL, S : 줄바꿈 문자를 포함하여 모든 문자와 매치할 수 있도록 한다.

  2. IGNORECASE, I : 대소문자에 관계없이 매치할 수 있도록 한다.

  3. MULTILINE, M : 여러 줄과 매치할 수 있도록 한다.

  4. VERBOSE, X : verbose 모드를 사용할 수 있도록 한다. (정규식을 보기 편하게 만들 수 있고, 주석을 사용할 수도 있다.)

컴파일 옵션 사용 방법

  • 기본적으로 컴파일 옵션은 다음과 같이 컴파일 당시 인자로 넣어준다.

      import re
  p = re.compile('a.b', re.DOTALL)

DOTALL, S 줄바꿈 포함

  • .메타 문자는 줄바꿈 문자를 제외한 모든 문자와 매치된다. 하지만 re.DOTALL이나 re.S 옵션을 사용한다면 \n문자도 포함하여 매치한다.

  • DOTALL옵션 없이 \n이 포함된 문자열을 매치시키면 매치되지 않는다.

      import re
  p = re.compile('a.b')
  m = p.match('a\nb')
  print(m)
  # None

  • 하지만 다음과 같이 DOTALL 옵션을 넣으면 \n이 포함된 문자열과도 매치가 된다.

      p = re.compile('a.b', re.DOTALL)
  m = p.match('a\nb')
  print(m)
  # <_sre.SRE_Match object; span=(0, 3), match='a\nb'>

IGNORECASE, I 대소문자 구분을 없앰

  • re.IGNORECASE와 re.I는 대소문자와 관계없이 매치하고자 할 때 쓸 수 있다.

  • [a-z]는 소문자만을 의미하지만 re.I옵션 덕분에 대문자도 매치된다.

      p = re.compile('[a-z]*', re.I)
  print(p.match('python'))
  <_sre.SRE_Match object; span=(0, 6), match='python'>
  print(p.match('Python'))
  <_sre.SRE_Match object; span=(0, 6), match='Python'>
  print(p.match('PYTHON'))
  <_sre.SRE_Match object; span=(0, 6), match='PYTHON'>

MULTILINE, M 여러 줄에 대해서 매치

  • re.MULTILINE과 re.M옵션은 메타문자 ^,$와 자주 쓰인다.

  • ^,$에 대해서는 정규표현식 메타문자설명에 간략히 나와있다.

  • 다음 예시에서 정규식 ^python\s\w+는 문자열이 python으로 시작하고, 공백 하나, 단어 하나가 와야한다는 의미다.

      import re 
  p = re.compile('^python\s\w+')

  data = '''python one
  life is too short 
  python two
  you need python
  python three
  '''

  print(p.findall(data))
  # ['python one']

  • 이와 같은 결과가 나오는 이유는 첫번째 라인만 매치가 되었기 때문이다.

  • 하지만 re.MULTILINE 옵션을 붙이게 되면 각 라인마다 정규식이 인식되게 된다.

      import re 
  p = re.compile('^python\s\w+', re.MULTILINE)

  data = '''python one
  life is too short 
  python two
  you need python
  python three
  '''

  print(p.findall(data))
  # ['python one', 'python two', 'python three']

VERBOSE, X 가독성을 높일 수 있음

  • 복잡한 정규식의 경우 이해하기가 상당히 어렵다. 이때 사용할 수 있는 것이 VERBOSE와 X다.

      charref = re.compile(r'&[#](0[0-7]+|[0-9]+|x[0-9a-fA-F]+);')

  • 위 정규식을 다음과 같이 표현하여 가독성을 높일 수 있다.

      charref = re.compile(r"""
  &[#]                # Start of a numeric entity reference
  (
      0[0-7]+         # Octal form
  | [0-9]+          # Decimal form
  | x[0-9a-fA-F]+   # Hexadecimal form
  )
  ;                   # Trailing semicolon
  """, re.VERBOSE)

백슬래시

  • 백슬래시\가 들어간 문자열을 찾는 정규식을 만들 때, \는 특수한 기능을 하는 경우가 많기 때문에 일반 문자로 전환하는 작업을 해주어야 한다.

  • \\와 같이 백슬래시를 하나 더 붙이면 일반 문자 \로 인식된다.

      p = re.compile('\\section')
  • 혹은 파이썬 Raw String 규칙을 이용할 수도 있다.
  • 문자열 앞에 r을 붙여주면 해당 문자열은 문자 그대로 인식된다.

참고