정규식 (RegExp 객체)

출처 : http://phpschool.com/link/tipntech/36000, http://nanstrong.tistory.com

#97DC20 #D2EEA1 이것은 테이블 color값 ㅎㅎ

정규식 표현

분류		패턴	매칭 문자열
1 기본	ㄱ.	ABC	ABC라는 문자열
	ㄴ.	[ABC]	A,B,C 중 한 개의 문자
	ㄷ.	[ABC]	A,B,C 이외의 한 개의 문자
	ㄹ.	[A-Z]	A~Z  사이의 한 문자
	ㅁ.	A|B|C	A,B,C 중에서 어떤 것
2 개수지정	ㄱ.	X*	0문자 이외의 X
	ㄴ.	X?	0또는 1문자의 X
	ㄷ.	X{n}	1문자이상의 X
	ㄹ.	X{n}	X의 n회이상 일치
	ㅁ.	X{m,n}	X의 m~n회 일치
3 위치지정	ㄱ.	^	라인의 처음이나 문자열의 처음을 표시
	ㄴ.	$	행의 말미에 일치
4 문자세트	ㄱ.	.	임의의 1문자에 일치
	ㄴ.	\w	대/소문자의 영문자, 숫자, _에 일치([A-Za-z0-9]와 동일)
	ㄷ.	\W	문자 이외에 일치
	ㄹ.	\d	숫자에 일치
	ㅁ.	\D	숫자 이외에 일치
	ㅂ.	\n	개행과 일치
	ㅅ.	\r	복귀(Carriage Return)와 일치
	ㅇ.	\t	탭문자와 일치
	ㅈ.	\s	공백문자와일치( [\n\r\t\v\f]와 동일
	ㅊ.	\S	공백 이외의 문자와 일치
	ㅋ.	\~	~로 표현되는 문자

정규식 표현의 주요 옵션

옵션		개요
g		문자열 전체에 대해 매치하는가  (지정하지 않은 경우, 한 번 매칭한 시점에서 치리를 종료)
i		대문자/소문자를 구별하는가
m		복수행에 대응하는가(개행 코드를 행의 시작과 끝으로 인식)

---

파일이나 문자열 내에 포함되어 있는 특별한 패턴(또는 특별한 조건을 만족하는 문자열)을 검색하기 위해 미리 정의된 다양한 특수 문자들의 조합을 정규식(regular __EXPRESSION__)이라 한다. 정규식에서의 특수 문자(special character)는 다음과 같다. 


(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) 

(3) . (period) : 임의의 한 문자를 표시 
            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. 
이에 대한 자세한 내용은 C언어의 <ctype.h>를 참조하면 된다. 
예를 들어 [:digit:]는 [0-9]와 [:alpha:]는 [A-Za-z]와 동일하다. 
이외에 [:<:]와 [:>:]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) 

(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) + (asterisk) : "+" 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) ? (asterisk) : "?" 직전의 선행문자가 0번 또는 1번 나타나는 문자열 
            예 : ab?c ('b'를 0번 또는 1번 포함하므로 abc, abcd 만 해당됨) 

(9) () (parenthesis) : ()는 정규식내에서 패턴을 그룹화 할 때 사용 

(10)| (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) 

(11) \ (backslash) : 위에서 사용된 특수 문자들을 정규식내에서 문자를 취급하고 싶을 때 '\'를 선행시켜서 사용하면됨 

            예 : filename\.ext ("filename.ext"를 나타냄) 
            [\?\[\\\]] ('?', '[', '\', ']' 중 하나) 


정규식에서는 (1)~(11)의 특수 문자를 제외한 나머지 문자들은 일반 문자로 취급함 

---

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' 

: 명령어의 결과를 grep이 입력받아 정규식을 이용하여 패턴을 찾아냄 

             예 : $ who | grep 'hgkim' <= hgkim이라는 사용자가 login 해 있는지를 알아봄 

• $ ls -al | grep '^d.*' <= ls -al 의 결과 'd'로 시작하는 라인(즉 디렉토리들) 만을 출력 
• $ ls -al | grep '^d.*' <= ls -al 의 결과 'd'로 시작하는 라인(즉 디렉토리들) 만을 출력 
• $ ls -al | grep '^[^d]..x..x..x' <= 디렉토리는 제외하고("[^d]") 누구나 실행가능한 파일("..x..x..x")들 찾기 

(2) $ grep '정규식' 파일이름 
            : 파일을 입력받아 정규식을 이용하여 패턴을 찻아냄 
            예: $ grep 'telnet' /etc/inetd.conf 


이외의 명령어들도 grep과 유사한 형태로 이용된다. 따라서 정규식을 잘 이용하면 유닉스의 활용이 배가 될 것이다. 

---

PHP에서는 정규식과 관련하여 다음의 네가지 함수를 제공한다. 

1 int ereg(string givenPattern, string givenString, array matched); 

- givenString을 "string1stringAstring2stringBstring3 ... string9stringI" 로 주어져 있다고 하자. 이때 stringA, stringB, ... , stringI는 NULL 이어도 상관이 없다(즉 givenString은 "string1string2string3 ... string9" 인 경우임). 

- givenString이 위와 같이 주어진 경우, 

givenPattern은 "(pattern1)stringA(pattern2)stringB(pattern3) ... (pattern9)stringI"로 입력하여야 한다. 즉 pattern1, pattern2, ..., pattern9는 각각 string1, string2, ... , string9에서 찾고자하는 정규식인 것이다. 

- 이때 pattern1이 string1에서 발견한 패턴은 $matched[1]에 저장되고, pattern2가 string2에서 발견한 패턴은 $matched[2]에 저장되고, ..., pattern9가 string9에서 발견한 패턴은 $matched[9]에 저장된다. PHP3의 경우 ereg에서는 최대 9개 까지의 pattern을 찾을 수 있도록 설정되어 있음에 유의하자. 

- 그리고 $matched[0]에는 $matched[1]stringA$matched[2]stringB ... $matched[9]stringI가 저장된다. 
- ereg가 반환하는 값은 $matched[0]에 저장된 문자열의 개수이다. 
- ereg는 case sensitive 
- eregi는 case insensitive 

예1 : 

코드 => print(ereg ("(.*)ef([abc].*)","abcdefabc",$matched)); 
print("<br>"); 
while (list($a,$b)=each($matched)) 
if ($b) 
print("$a, $b <br>"); 

결과 => 9 
0, abcdefabc 
1, abcd 
2, abc 

예2 : 

코드 => print(ereg ("(.*)d(.*)e(.*)qrs(.*)","abcdefghijklmnopqrstuvwxyz",$matched)); 
print("<br>"); 
while (list($a,$b)=each($matched)) 
if ($b) 
print("$a, $b <br>"); 

결과 => 26 
0, abcdefghijklmnopqrstuvwxyz 
1, abc 
3, fghijklmnop 
4, tuvwxyz 

예 3 : 

코드 => $date="1999-11-17"; 
if (ereg("([0-9]{4})-([0-9]{1,2})-([0-9]{1,2})", $date, $regs)) 
print("$regs[3].$regs[2].$regs[1]"); 
else print("Invalid date format: $date"); 

결과 => 17.11.1999 

예 4 : 

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"); 


2 int eregi(string givenPattern, string givenString, array matched); 

- ereg의 'case insensitive' 버젼 

예 1: 

코드 => $email="xs9_tx-abc.yyy_c@cne.kyungsung.ac.kr"; 
eregi("(^[_\.0-9a-z-]+)@(([0-9a-z][0-9a-z-]+\.)+)([a-z]{2,3}$)",$email,$matched); 
while (list($a,$b)=each($matched)) 
if ($b) print("$a, $b <br>"); 

결과 => 0, xs9_tx-abc.yyy_c@cne.kyungsung.ac.kr 
1, xs9_tx-abc.yyy_c 
2, cne.kyungsung.ac. 
3, ac. 
4, kr 


예 2 :

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 <br>"); 

결과 => 0, xs9_tx-abc.yyy_c@cne.kyungsung.ac.kr 
1, ac. 


3 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("<br>"); 
print(ereg_replace("( )is","\\1was",$string)); print("<br>"); 
print(ereg_replace("(( )is)","\\2was",$string)); print("<br>"); 
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<br>"); 

결과 => ~ s/\s+/ /g 


4 string eregi_replace(string givenPattern, string replacementPattern, string givenString); 

- ereg_replace의 'case insensitive' 버젼