String Class (3) - 정규표현식

정규표현식이란?

정규표현식은 메타문자를 활용해서 특정 조건에 맞는 문자열을 포현하는 식입니다.

이것이 왜 필요하냐?

간단한 예시로 간단한 이메일형식의 문자열을 나타낸다면 정규표현식으로 \\\\w+@\\\\w+\\\\.\\\\w+와 같이 나타낼수 있습니다.

그리고 이를 조건으로 활용해서 문자열 내에 이메일만 존재하는지도 체크할수도 있죠.

정규표현식이 없다면 꽤나 복잡한 과정을 거쳐 구했을 것입니다.

 

문자 클래스

문자 클래스는 [] 안에 문자를 넣어 사용합니다. 정확한 의미는 “대괄호 안에 있는 문자 중 하나”를 의미합니다. 예시는 다음과 같습니다.

String regex = "[hi]"       //h, i 중 하나
String regex = "[^hi]"      //h, i 를 제외한 문자 중 하나
String regex = "[a-z]"      //a ~ z 중 하나
String regex = "[a-zA-Z]"   //a ~ z 또는 A ~ Z 중 하나
String regex = "[.]"        //마침표

특히 마침표 . 는 특수한 기능을 하는 이스케이프 문자입니다. 하지만 문자 클래스에선 단순 문자로 사용됩니다.

 

와일드 카드와 이스케이프 문자

정규표현식에서 모든 문자를 나타내는 와일드 카드는 . 입니다. 그리고 \\는 특별한 문자를 표현하기 위한 이스케이프 문자입니다.

이스케이프 문자를 사용하면 다음과 깉이 미리 정의되어 있는 문자 클래스들을 얻어낼 수 있습니다.

String regex = "."     //모든 문자
String regex = "\\."   //마침표

String regex = "\\d"   //숫자 
String regex = "\\w"   //일반문자(영어) or 숫자 or _
String regex = "\\s"   //공백

String regex = "\\D"   //숫자를 제외한 문자
String regex = "\\W"   //일반문자(영어) or 숫자 or _를 제외한 문자
String regex = "\\S"   //공백을 제외한 문자

이스케이프 문제는 \\ 하나인데 왜 두개를 사용하냐면 숫자를 나타내는 문자열은 \\d이기 때문입니다. 문자열에서 \\를 표현하려면 \\\\를 사용해야합니다. 따라서 \\\\d와 같은 형태로 사용되는 것입니다.

 

반복을 나타내는 수량자

수량자는 앞의 요소가 얼마나 반복되는지를 의미합니다. 일반적으로 수량자는 탐욕적 수량자며 ?를 붙이면 게으른 수량자로 만들 수 있습니다.

String regex = "h*"       //h가 0번 이상 반복
String regex = "h+"       //h가 1번 이상 반복
String regex = "h?"       //h가 0 또는 1번 반복

String regex = "h{2}"     //h가 2번 반복
String regex = "h{2,}"    //h가 2번 이상 반복
String regex = "h{2,5}"   //h가 2번 이상 5번 이하 반복

그렇다면 탐욕적 수량자와 게으른 수량자의 차이는 무엇일까요? 정규표현식을 사용하여 p태그 안에 내용들을 검색한다고 가정해봅시다.

탐욕적 수량자 : <p>Hello</p><p>World</p>
게으른 수량자 : <p>Hello</p><p>World</p>

 

둘의 차이가 느껴지지요?

같은 표현이 반복될 때 탐욕적 수량자는 최대한 큰 범위에 검색결과를, 게으른 수량자는 가장 최소한의 검색결과를 반환합니다. 일반적으로 수량자는 탐욕적 수량자이며 탐욕적 수량자 뒤에 ?를 붙인다면 게으른 수량자로 만들 수 있습니다.

위 내용을 정규표현식으로 표현하면 다음과 같습니다.

String regex = "<p>.*</p>"     //탐욕적 수량자
String regex = "<p>.*?</p>"    //게으른 수량자

 

논리 연산자

그 동안 문자들을 다루었던 것과 달리 문자열들을 다룰 수 있는 정규표현식 내의 논리 연산자입니다.

문자열끼리 or 연산을 가능하게 해주는 | , 문자열을 하나의 문자로 취급할 수 있도록 만들어 주는 () 가 있습니다.

String regex = "Hello|World"             //Hello나 World
String regex = "Hello(World)?"           //Hello나 HelloWorld
String regex = "(Happy|Gloomy){1}Day"    //HappyDay나 GloomyDay

 

경계를 나타내는 앵커 문자

앵커 문자는 문자열의 시작과 끝과 같은 경계 조건을 줄 수 있습니다.

다른 앵커 문자들도 있지만 문자열의 시작을 나타내는 ^ 끝을 나타내는 $ 가 자주 사용됩니다.

String regex = "^[0-9]"    //문자열의 시작에 위치한 숫자
String regex = "[0-9]$"    //문자열 끝에 위치한 숫자
String regex = "^[0-9]$"   //모든 문자열이 숫자

 

정규표현식 활용

정규표현식을 지원하는 클래스인 Pattern과 Matcher 클래스입니다.

정규표현식을 Pattern 에 등록하고 Matcher 의 메서드 find 를 사용해 하위 문자열을 탐색합니다.

아주 간단한 예시로 gmail만을 사용하는 이메일 주소만 가져오도록 하겠습니다.

String emails = "Jax@gmail.com, Dalius@naver.com, Teemo@kakao.com";
Pattern pattern = Pattern.compile("\\w+@gmail.com");
Matcher matcher = pattern.matcher(emails);

while(matcher.find()){
    System.out.println(matcher.group());   //Jax@gmail.com
}

 

문자열 내에서도 정규표현식을 지원하는 메서드 replaceAll과 matches가 존재합니다.

이들을 이용해 이메일 명단에서 닉네임만을 가져오고 닉네임들 중 특수문자가 없는지 체크해봅시다.

String emails = "Jax@gmail.com, Dalius@naver.com, ####@kakao.com";
String nickNames = emails.replaceAll("@\\w+\\.com", "");   //이메일 주소 공백으로 치환
String[] nickNameAll = nickNames.split(",");

Arrays.stream(nickNameAll)
        .map(String::trim)
        .filter(s -> s.matches("\\w+"))             //닉네임 명단 중 특수문자 있으면 제거
        .forEach(System.out::println);              //Jax, Dalius

String의 matches는 내부적으로 Pattern.matches를 사용하고 Pattern.matches는 내부적으로 Matcher를 만들어 matches를 사용합니다. 즉 이 String, Pattern, Matcher의 matches는 모두 같은 동작을 합니다.

 

여기서 주의해야 할 점은 find와 matches입니다.

이 둘은 같아보이지만 기능적으론 전혀 다른 메서드입니다. matches는 문자열 전체에 대해 정규식이 일치하는지 판단합니다만 find의 경우 문자열의 일부에 대해 정규식에 일치하는지 판단합니다.

일치한 매쳐들은 group 메서드를 통해 매칭됬던 문자열들을 얻을 수 있습니다.