Imagination Is Everything

Regular expression(정규표현식)

문자열(string, set of characters)의 패턴(pattern)을 기술하는 표현식(expression)

1. Literal characters
   가장 기본적인 것으로 하나의 문자로 그 패턴을 표현한다.
2. Character classes(, Character sets)
   지정 가능한 임의의 문자들의 집합이나 특정 범위의 문자들로 부터 오직 하나의 문자를 매치시킨다. [, ]를 사용하며, [   ], [ - ], [^ ]으로 기능이 분류된다.
   (Shorthand 표기법) \d, \D, \w, \W, \s, \S와 같이 간편하게 문자의 집합을 지정할 수도 있다.
3. Alternation(, Union of expressions, OR operation)
   하위 표현식(subexpression)을 vertical bar(|)로 구분해 나열한다. 표현식의 합집합으로 각각의 표현식들이 교대로 모두 적용된다.
4. Repetition(, Quantification)
   앞의 표현식이 얼마나 자주 반복될 지를 기술한다. ?, *, +, {, }, *?, +?를 사용하며, {m}, {m, }, { , n}, {m, n}의 형식으로 반복 횟수를 지정할 수 있다.
5. Anchors
   문자가 아닌 위치(position)을 표현하며, ^, $, \b, \B를 사용한다.
   zero-width patterns이다.
6. Grouping
   ( )를 사용해 표현식의 블럭(재호출 가능한 Marked subexpression)이나 표현식의 실행단위(Atom) 및 적용의 우선순위를 기술한다.
7. Backreferences
   \digit(1-9)의 형식으로 이전에 매치된 블럭(Marked subexpression)를 재호출 및 역참조한다. 정의된 블럭의 순서를 통해 재호출 또는 역참조하며, 전체 표현식 내에 마킹 가능한 블럭의 최대 개수는 1~9개이다.

Metacharacter(메타문자)

표현식에서 본래의 문자적(literal) 의미가 아닌 특수한 의미로 사용되는 문자

1. Basic
   .   *   [   ]   ^   $   \digit   (   )   {   }   [=   =]   [:   :]
2. Extended
   ?   +   |   (   )   {   }

grep, "search globally for matches to the regular expression, and print lines"
sed, stream editor

.

any single character, 즉 아무(공백 포함, newline 제외) 문자 하나와 매치된다.

|

구분되어 나열된 각각의 패턴을 모두 매치한다. 적용 우선순위가 가장 낮다는 것에 유의해야 하며, 우선순위를 높이기 위해서는 ( )를 사용한다.

[   ]

only one out of serveral characters, 지정한 문자 집합으로 부터 하나의 문자를 매치한다.

1. [   ]
   [, ]으로 둘러싸인 문자들 중에서 어떤 것이든 하나(any one)와 매치한다.
2. [ - ]
   hypen을 이용해 문자의 범위를 지정할 수 있다.
   [0-9]는 0과 9사이의 숫자, [A-Z]는 알파벳 대문자, [a-z]는 알파벳 소문자 하나, [A-Za-z]는 모든 알파벳 중 하나와 매치된다.
3. [^  ]
   bracket 사이의 첫 위치에 ^(caret)을 사용하면 지정한 문자들을 제외한 문자 중 하나를 매치한다.
   예를 들어, [^24a-z]는 숫자 2, 4와 알파벳 소문자를 제외한 문자들 중 하나와 매치된다.

\d

numeric character, [0-9_]와 같은 의미이다.

\D

non-numeric character, [^0-9_] 또는 [^\d]와 같은 의미이다.

\w

word character, 일반적으로 [A-Za-z0-9_]와 같은 의미이다.

\W

non-word character, 일반적으로 [^A-Za-z0-9_] 또는 [^\w]와 같은 의미이다.

\s

whitespace character, [ \t]와 같은 의미이다.

\S

non-whitespace character, [^ \t] 또는 [^\s]와 같은 의미이다.

^

Multi-line mode에서 라인의 시작 위치와 매치된다.

$

Multi-line mode에서 라인의 끝 위치와 매치된다.

\b

(word boundary) matches before and after an alphanumeric sequence, non-word charater(\W)로 둘러싸인 word character(\w)의 전/후 위치가 매치된다.
\B is the negated version of \b.

?

바로 전의 표현식(block)을 0, 1번의 횟수만큼 반복한다.

*

바로 전의 표현식(block)을 0, 1 or any number 횟수만큼 반복한다.

+

바로 전의 표현식(block)을 at least(>=) 1, 즉 최소한 한번 이상 반복한다.

Lazy(Non-greedy) quantifiers

반복연산자 *, +는 기본적으로 breedy해서 가능한 최대로 매치하는데, 매치를 최소로 제한하기 위해서 Lazy quatifiers(*?, +?)를 사용한다.

{   }

바로 전의 표현식(block)의 반복 횟수를 지정한다. m(min)~n(max)

1. {m}
   정확히 m만큼 반복한다.
2. {m, }
   m~∞만큼 반복한다. 따라서, {0, }은 *와 {1, }은 +와 같은 의미이다.
3. { , n}
   0~n만큼 반복한다. 따라서, {, 1}은 ?와 같은 의미이다.
4. {m, n}
   m~n 만큼 반복한다.

(   )

표현식의 실행단위(Atom) 및 적용의 우선순위를 지정하기 위한 Grouping에 사용되며, 동시에 Backreference(역참조 or 재호출)을 위한 Marked subexpression을 정의한다.

\digit(1-9)

이전에 매치된 블럭(marked subexpression)을 순서(1~9)를 통해 역참조(해당 블럭에 매치된 결과값 가져오기) 및 재호출한다.

Lookahead assertions

(?=pattern) for positive assertions, and (?!pattern) for negative assertions.
They are not backreferenced and not marked, likewise (?:pattern).

1. Basic and Extended Specifications Issue 6
2. Regular-Expressions.info - Tutorial, Examples and Reference
3. A Tao of Regular Expressions
4. Regular expressions with Perl examples by Wikipedia
5. Regexp Syntax Summary
6. Learning to Use Regular Expressions