[Java] 정규 표현식(Regular Expression)

정규 표현식(Regular Expression)

위키피디아에서는 정규표현식을 특정한 규칙을 가진 문자열의 집합을 표현하는데 사용하는 형식 언어라고 정의하고 있다.

자바에서는 다음과 같은 곳에서 정규표현식 regex을 사용한다.

자바의 정규표현식

정규표현식에는 여러 종류가 있지만 가장 대표적으로 두 개의 정규표현식이 있다.

• UNIX 계열의 표준 정규표현식인 POSIX 정규표현식
• POSIX 정규표현식에서 확장된 Perl 방식의 정규표현식

자바에서는 Perl 방식과 유사한 방식을 선택하고 있지만, Perl 방식과 완전히 똑같은 것은 아니다.

그 차이점은 oracle docs에 수록되어 있다.

---

내장 메소드의 파라미터

자바의 String 클래스의 내장 메소드를 살펴보면 인자로 String regex 같은 것을 볼 수 있다.

여기서 regex가 정규표현식을 의미하며, 이를 인자로 받아 처리를 하는 메소드이다.

다음과 같은 것들이 있다. String 객체에 대하여 사용할 수 있다.

• boolean matches(String regex): 인자로 주어진 정규식과 매치되는 값이 있는지 확인하여 true 혹은 false를 반환한다. 이 함수를 이용하여 간단하게 정규 표현식을 test할 수 있다.
• String replaceAll(String regex, String replacement) : 문자열 내에 인자로 주어진 정규식과 매치되는 모든 substring을 replacement로 바꾼다.
• String[] split(String regex) : 인자로 주어진 정규식과 매치되는 문자열을 구분자로 하여, 구분자를 기준으로 나뉜 문자열들을 문자열의 배열로 반환한다.

---

정규 표현식을 다루는 클래스

자바에서는 java.util.regex 에서 Pattern과 Matcher 클래스를 지원한다.

Pattern 객체를 생성하여 compile 을 실행한다면, 그 정규표현식을 검색하고 싶을 때 다시 컴파일하지 않아도 되기에 속도를 높일 수 있다.

따라서 재사용이 많을 시에는 compile 을 하는 것이 더 효율적이고, 아니라면 compile 을 하지 말고 Pattern 클래스의 matches() 메소드를 이용하는 것이 효율적이다.

Pattern 클래스

정규표현식의 단일 사용이 목적이라면, java.util.regex.Pattern 클래스의 matches() 메소드를 사용하는 것이 좋다. matches()과 compile() 메소드는 static method 이다.

• Pattern.matches(String regex, CharSequence input): input이 regex과 일치한다면 true, 아니라면 false를 리턴한다.
• Pattern.compile(String regex): 주어진 regex 로부터 패턴을 만든다.
• String pattern(): 컴파일된 정규표현식을 String 형태로 리턴한다.
• boolean matcher(CharSequence input): 컴파일된 정규표현식 패턴에 input을 적용시킨 Matcher객체를 리턴한다. (Matcher 객체는 Matcher의 메소드를 이용하여 여러 정보를 얻을 수 있다.)

String regex1 = "^[0-9]*$"; // 문자열이 숫자로만 구성
String s1 = "123456789";
String s2 = "qwerty123@gmail.com";

System.out.println(Pattern.matches(regex1, s1));
System.out.println(Pattern.matches(regex1, s2));

Pattern p = Pattern.compile(regex1);
System.out.println("p.pattern() = " + p.pattern());

/* 출력
    true
    false
    p.pattern() = ^[0-9]*$
*/

Matcher 클래스

Matcher 클래스는 대상 문자열의 패턴을 해석하고 주어진 패턴과 일치하는지 판별할 때 주로 사용된다.

Pattern 객체의 matcher(CharSequence input) 메소드를 이용하여 생성할 수 있다. CharSequence 라는 인터페이스를 사용함으로써 다양한 형태의 입력데이터로부터 문자 단위의 매칭 기능을 지원 받을 수 있다.

• boolean matches(): 대상 전체문자열과 패턴이 일치할 경우 true를, 아니라면 false를 리턴한다.
• boolean find(): 대상 문자열과 패턴이 일치하는 경우 true를 리턴하고, 그 위치로 이동한다.
• boolean find(int start): start 위치 이후부터 find()를 수행한다.
• int start(): 패턴과 매칭되는 문자열의 시작위치를 리턴한다.
• int start(int group): 지정된 그룹이 패턴과 매칭되는 시작위치를 리턴한다.
• int end(): 패턴과 매칭되는 문자열의 끝 다음위치를 리턴한다.
• int end(int group): 지정된 그룹이 패턴과 매칭되는 끝 다음위치를 리턴한다.
• String group(): 패턴과 매칭된 부분을 리턴한다.
• String group(int group): 패턴과 매칭된 부분 중 group번 그룹핑 매칭부분을 리턴한다.
• int groupCount(): 패턴 내 그룹핑한(괄호 지정) 전체 개수를 리턴한다.

String regex1 = "\\w+@(gmail.com)"; // 이메일 형식 중 gmail.com으로 끝나는 것만
String s1 = "qwe123@gmail.com|asd234@naver.com|zxc135@gmail.com";

Pattern p = Pattern.compile(regex1);
Matcher m = p.matcher(s1);

System.out.println(m.matches());

while (m.find()) {
    System.out.println(m.group() + ": " + m.start() + " ~ " + m.end());
}

System.out.println(m.groupCount());

/* 출력
    false
    qwe123@gmail.com: 0 ~ 16
    zxc135@gmail.com: 34 ~ 50
    1
*/

여기서 그룹의 개수는 1개이다. (gmail.com)

자주쓰이는 패턴

1. 숫자만 : ^[0-9]*$ (== ^\d$)
2. 영문자만 : ^[a-zA-Z]*$
3. 한글만 : ^[가-힣]*$
4. 영어 & 숫자만 : ^[a-zA-Z0-9]*$ (== ^\w$)
5. E-Mail : ^[a-zA-Z0-9]+@[a-zA-Z.0-9]+$
6. 휴대폰 : ^01(?:0|1|[6-9]) - (?:\d{3}|\d{4}) - \d{4}$
7. 일반전화 : ^\d{2.3} - \d{3,4} - \d{4}$
8. 주민등록번호 : \d{6} - [1-4]\d{6}
9. IP 주소 : ([0-9]{1,3}) . ([0-9]{1,3}) . ([0-9]{1,3}) . ([0-9]{1,3})

String number = "010-1234-5678";
Pattern pa = Pattern.compile("^01(?:0|1|[6-9])-(\\d{3}|\\d{4})-\\d{4}$");
Matcher ma = pa.matcher(number);

System.out.println(ma.matches());
System.out.println(ma.groupCount());
System.out.println(ma.group(0) + " " + ma.group(1));

/* 출력
    true
    1
    010-1234-5678 1234
*/

• (?:regex): 이 그룹은 캡쳐되지 않으며, 따라서 순차적으로 그룹화된 그룹에 포함되지 않는다.

---

정규표현식 문법

메타문자(metacharacter)

먼저 정규표현식의 문법을 살펴보기 전에, 정규표현식의 문법에 사용되는 메타문자에 대해 먼저 알아보자.

• .: 임의의 한 문자를 나타낸다. (알파벳, 숫자, 특수 문자 등)
• ^: 문자열의 시작을 나타낸다. (대괄호([]) 안에서의 ^는 not을 의미한다.)
• $: 문자열의 끝을 나타낸다.
• \: 메타문자의 성질을 없애고, 메타문자 자체를 검색하고 싶을 때 사용한다.
• |: or 연산자의 개념이다.
• []: '[]' 안에는 범위와 집합의 개념이 사용되는데, '[]' 자체는 하나의 문자를 가리킨다.
  • [abc]: a, b, c 중 하나
  • [^abc]: a, b, c 를 제외한 문자 중 하나
  • [a-zA-Z]: 모든 알파벳 중 하나
  • [a-d[m-p]]: ad 혹은 mp 중 하나
  • [a-z&&[def]]: a~z 중에서 d, e, f 중 하나
  • [a-z&&[^bc]]: a~z 중에서 b, c 를 제외한 문자들 중 하나
  • [a-z&&[^m-p]]: az 중에서 mp 를 제외한 문자들 중 하나
• ?: 기호 바로 앞의 문자가 0번 또는 1번 반복된다.
• +: 기호 바로 앞의 문자가 1번 이상 반복된다.
• *: 기호 바로 앞의 문자가 0번 이상 반복된다.
• {}: '{}' 안에는 숫자(들)이 들어가며, '{}' 바로 앞의 문자의 개수를 나타낸다.
  • {n}: 기호 바로 앞의 문자가 정확히 n번 나온다.
  • {n, m}: 기호 바로 앞의 문자가 n번 이상 m번 이하 나온다.
  • {n, }: 기호 바로 앞의 문자가 n번 이상 나온다.
  • {, m}: 기호 바로 앞의 문자가 m번 이하 나온다.
• (): '()' 안의 문자열은 하나로 취급된다.

미리 정의된 문자(predefined character classes)

oracle 에서는 아래의 내용을 predefined character classes라고 소개한다.

• .: 임의의 한 문자
• \s: 모든 공백문자 (\t - 매치 됨, \n - 매치 됨)
• \S: 모든 공백문자를 제외한 나머지 문자
• \h: 수평 공백문자 (\t - 매치 됨, \n - 매치 안 됨)
• \H: 수평 공백문자를 제외한 나머지 문자
• \v: 수직 공백문자 (\t - 매치 안 됨, \n - 매치 됨)
• \V: 수직 공백문자를 제외한 나머지 문자
• \w: 알파벳, 숫자, 언더라인(_) 중 한 문자 ( == [a-zA-Z_0-9])
• \W: 알파벳, 숫자, 언더라인(_) 을 제외한 문자들 중 한 문자 ( == [^a-zA-Z_0-9])
• \d: 숫자 ( == [0-9])
• \D: 숫자를 제외한 모든 문자 ( == [^0-9])
• \b: 단어의 경계
• \B: 단어가 아닌 것에 대한 경계

---

Refer to

• https://docs.oracle.com/javase/tutorial/essential/regex/index.html
• https://ko.wikipedia.org/wiki/%EC%A0%95%EA%B7%9C_%ED%91%9C%ED%98%84%EC%8B%9D
• https://medium.com/depayse/java-%EC%A0%95%EA%B7%9C-%ED%91%9C%ED%98%84%EC%8B%9D-regular-expression-%EC%9D%98-%EC%9D%B4%ED%95%B4-31419561e4eb
• https://enterkey.tistory.com/353

[JAVA] 정규표현식, Matcher 메서드 사용방법과 그룹 개념이해

[Java] 정규 표현식(Regular Expression)의 이해

정규 표현식 - 위키백과, 우리 모두의 백과사전

Lesson: Regular Expressions (The Java™ Tutorials > Essential Classes)