1. 소개 ¶
리눅스와 같은 유닉스의 클론 운영체제를 하다보면 반드시 익혀야 할 것들이 몇가지 존재한다.
정규식이라는 것도 그중의 한가지이다.
대충 용도를 적어보자면 MS시스템에서의 *(asterix)문자와 같은 용도라고 보면된다.
거의 대부분의 유닉스 애플리케이션은 정규식의 사용을 지원한다. 일단 배우면 쓰임이 대단하지만
익히기 귀찮다. -.-;
정규식이라는 것도 그중의 한가지이다.
대충 용도를 적어보자면 MS시스템에서의 *(asterix)문자와 같은 용도라고 보면된다.
익히기 귀찮다. -.-;
2.1. Ch1 Introduction to Regular Expressions ¶
- ^(caret) : 시작을 의미함. ^cat은 cat으로 시작하는 문자...(cats,cater,caterer...).in the line rather real text
- $(dollar) : 끝을 의미함. cat$은 cat으로 끝나는 문자 ...(blackcat, whitecat, ....) in the line rather real text
- [](Character Class) : seperaete 하면 seperate, seperete 모두를 포함한다.
- . (dot) : 어떤 문자든 기호든 해당된다. 03.19.76 하면 03/19/76,03-19-76,03.19.76 등이 해당된다.
(OR) : 여러개의 식을 한개의 식으로 합성할 수 있다. []안에서는 이 문자를 가리킬 뿐이다. greay, grey|gray,gr(a|e)y 는 같다. - ()(parentheses) : a(a|b)cde 하면 aacde, abcde 둘다 해당 된다. b하면 | 를 문자로 처리 하지만 (a|b) 로 ()를 씌어 주면 |를 OR로 해석한다.
- -i(option) : 대소문자 구분을 안한다. 예)egrep -i '^(From|Subject|Date): ' mailbox
- \< : 단어가 시작되는 지점
- \> : 단어가 끝나는 지점
- ? : one optional, ? 앞에 있는 글자가 있어도 되고 없어도 된다. colour 하면 color, colur 모두 된다.
- * : ? 가 여러개(임의의 개수) 있는 효과 (없는것도 포함)
- + : ? 가 여러개(임의의 개수) 있는 효과
3. 정규식 펌 내용 ¶
(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 위에서 언급한 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. 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"); int eregi(string givenPattern, string givenString, array matched); - ereg의 'case insensitive' 버젼 예 : 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, $b <br>"); 결과 => 0, xs9_tx-abc.yyy_c@cne.kyungsung.ac.kr 1, xs9_tx-abc.yyy_c 2, cne.kyungsung.ac. 3, ac. 4, kr 코드 => eregi("^[_\.0-9a-z-]+@([0-9a-z][0-9a-z-]+\.)+[a-z]{2,3}$",$email,$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. 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 string eregi_replace(string givenPattern, string replacementPattern, string givenString); - ereg_replace의 'case insensitive' 버젼