정규표현식이란 |
아래의 글에 정규표현식의 개념과 문법에 대해 정리해뒀음
https://smallpants.tistory.com/238
정규표현식
정규표현식이란 정규표현식(regular expression)은 문자열을 검색하거나 대체하는데 사용되는 패턴이다.고정된 문자열에 사용할 수도 있고, 복잡한 문자열의 패턴을 설명할때도 사용 가능하다. 언
smallpants.tistory.com
C++에서의 정규표현식 |
C++ 11부터 정규표현식 라이브러리인 regex를 지원한다.
자세한 클래스 구성과 함수등은 https://cplusplus.com/reference/regex/에서 확인 가능하고 여기엔 대표적인 몇가지 기능만 기록해둠
대표적인 기능
- regex_match : 문자열 전체가 정규표현식 패턴에 부합하는지 확인할때 사용한다.
캡쳐 그룹을 사용해 특정 문자열만 분리할 때
- regex_search : 주어진 문자열에서 정규표현식 패턴과 일치하는 부분이 있는지 검색할 때
- regex_replace : 주어진 문자열에서 원하는 패턴의 문자열을 다른 특정 패턴의 문자열로 치환할 때
1) C++에서 정규표현식 사용시 주의점
- C++에서는 \(백슬래쉬) 사용시 2번 사용해야 하는 점, 그러므로 \d같은건 c++에선 \\d로 사용해야 한다.
- .의 경우 임의의 한 문자를 의미하지만 C++에서 그냥 .으로 사용시 문자 '.'으로 인식하므로 \.으로 사용해야 한다.
물론 그냥 Raw string literal를 사용해버리는 방법도 있다.
Raw string literal은 https://modoocode.com/292#page-heading-5에 자세히 설명되어 있다.
2) regex 객체
std::regex re("db-\\d*-log\\.txt");위처럼 regex객체로 정규표현식을 정의할 수 있다.
다만 정규표현식은 문법의 종류나 처리하는 엔진이 여러가지가 있어서 다른 정규표현식 문법을 사용하고 싶다면 추가 인자로 전달 가능하다.
만약 grep 정규표현식 문법을 사용하고 싶다면 아래처럼 사용하면 된다.
std::regex re("db-\\d*-log\\.txt", std::regex::grep);참고로 인자를 전달하지 않았을 경우 default 값은 std::regex::ECMAScript이다.
또한 두가지 이상의 인자를 전달하고 싶은 경우 | 로 묶어서 사용 가능하다.
std::regex re("db-\\d*-log\\.txt", std::regex::grep | std::regex::icase);참고로 std::regex::icase는 대소문자를 구분하지 않게하는 옵션이다.
정규표현식의 성능이 중요한 경우에는
std::regex::optimize옵션을 사용시 regex 객체 생성에는 시간이 좀 더 걸리지만, 객체 사용작업은 더 빠르게 수행 가능하다.
3) regex_match
문자열 전체가 정규표현식 패턴에 부합하는지 확인할때 사용한다.
regex_match(문자열, regex객체) 형태로 사용한다.
또한 문자열 내에서 특정 부분만 분리할 때도 사용 가능하다.
캡쳐 그룹과 smatch등의 객체를 활용한다.
#include <iostream>
#include <regex>
#include <vector>
int main() {
// 주어진 파일 이름들.
std::vector<std::string> file_names = {
"db-123-log.txt", "db-124-log.txt",
"not-db-log.txt", "db-12-log.txt",
"db-12-log.jpg"
};
std::regex re("db-\\d*-log\\.txt");
for (const auto& file_name : file_names) {
std::cout << file_name << ": " << std::boolalpha
<< std::regex_match(file_name, re) << '\n';
}
}
결과)
4) 문자열에서 특정부분 분리하기
이번엔 특정 문자열만 분리하는 경우를 살펴보자.
분리할 부분을 ()로 감싸주면 된다.
#include <iostream>
#include <regex>
#include <vector>
int main() {
std::vector<std::string> phone_numbers = {
"010-1234-5678", "010-123-4567",
"011-1234-5567", "010-12345-6789",
"123-4567-8901", "010-1234-567"
};
std::regex re("[01]{3}-(\\d{4})-\\d{4}"); // 캡처할 부분을 ()로 감싸줌
std::smatch match; // 매칭된 결과를 string 으로 보관
for (const auto& number : phone_numbers) {
if (std::regex_match(number, match, re)) {
for (size_t i = 0; i < match.size(); i++) {
std::cout << "Match : " << match[i].str() << std::endl;
}
std::cout << "-----------------------\n";
}
}
}위처럼 분리하고자 하는 부분을 ()로 감싸주고, smatch나 cmatch등의 객체(자세한건 document 참고)를 사용한다.
regex(문자열, match객체, regex객체) 형태로 사용시 문자열이 regex조건에 부합한다면 match객체에 ()로 감싼부분이 저장된다.
위의 경우 smatch를 사용하므로 string형태로 사용되고 match[0]에는 원본문자열이, match[1]에는 ()로 캡쳐된 부분이 저장된다.
만약 정규표현식 안에 ()로 캡쳐한게 여러개라면 match[2], match[3]에 쭉쭉 저장된다.
결과)
5) regex_search
위의 regex_match는 문자열 전체가 패턴에 부합하는지 확인하는 함수였다.
regex_search는 전체가 아닌 패턴을 만족하는 문자열 일부가 있는지 검색하는 함수이다.
regex_search(문자열, match객체, regex객체)로 사용하면 문자열에서 정규표현식에 맞은 부분들이 match에 저장된다.
매칭되는 패턴이 존재한다면 true가 리턴되며 매칭된 패턴은 match객체에 저장된다.
#include <iostream>
#include <regex>
int main() {
std::string html = R"(
<div class="social-login">
<div class="small-comment">다음으로 로그인 </div>
<div>
<i class="xi-facebook-official fb-login"></i>
<i class="xi-google-plus goog-login"></i>
</div>
</div>
<div class="manual">
<div class="small-comment">
또는 직접 입력하세요 (댓글 수정시 비밀번호가 필요합니다)
</div>
<input name="name" id="name" placeholder="이름">
<input name="password" id="password" type="password" placeholder="비밀번호">
</div>
<div id="adding-comment" class="sk-fading-circle">
<div class="sk-circle1 sk-circle">a</div>
<div class="sk-circle2 sk-circle">b</div>
<div class="sk-circle3 sk-circle">asd</div>
<div class="sk-circle4 sk-circle">asdfasf</div>
<div class="sk-circle5 sk-circle">123</div>
<div class="sk-circle6 sk-circle">aax</div>
<div class="sk-circle7 sk-circle">sxz</div>
</div>
)";
std::regex re(R"(<div class="sk[\w -]*">\w*</div>)");
std::smatch match;
while (std::regex_search(html, match, re)) {
std::cout << match.str() << '\n';
html = match.suffix(); // 검색된 위치의 다음부분으로 반복자를 조정해주는 역할
}
}html = match.suffix()의 역할은
regex_search를 여러번 사용해봤자 처음 패턴에 일치한 문자열을 계속 return하므로 첫 문장만 계속해서 return된다.
그러므로 search에서 true가 return된다면 해당 위치의 다음 위치부터 search를 시작하게 만들어야 하며
match.suffix()를 하면 std::sub_match객체를 리턴해서 위치를 조정할 수 있다.
sub_match객체는 이전 검색된 결과의 바로 뒤 위치의 itr과 문자열의 끝에 해당하는 itr을 가지고 있으므로 검색된 위치의 바로 뒤부터 다시 검색이 가능하게 만들어준다.
suffix가 아닌 iterator를 사용하는 방법도 있다.
#include <iostream>
#include <regex>
int main() {
std::string html = R"(
<div class="social-login">
<div class="small-comment">다음으로 로그인 </div>
<div>
<i class="xi-facebook-official fb-login"></i>
<i class="xi-google-plus goog-login"></i>
</div>
</div>
<div class="manual">
<div class="small-comment">
또는 직접 입력하세요 (댓글 수정시 비밀번호가 필요합니다)
</div>
<input name="name" id="name" placeholder="이름">
<input name="password" id="password" type="password" placeholder="비밀번호">
</div>
<div id="adding-comment" class="sk-fading-circle">
<div class="sk-circle1 sk-circle">a</div>
<div class="sk-circle2 sk-circle">b</div>
<div class="sk-circle3 sk-circle">asd</div>
<div class="sk-circle4 sk-circle">asdfasf</div>
<div class="sk-circle5 sk-circle">123</div>
<div class="sk-circle6 sk-circle">aax</div>
<div class="sk-circle7 sk-circle">sxz</div>
</div>
)";
std::regex re(R"(<div class="sk[\w -]*">\w*</div>)");
std::smatch match;
auto start = std::sregex_iterator(html.begin(), html.end(), re);
auto end = std::sregex_iterator();
while (start != end) {
std::cout << start->str() << std::endl;
++start;
}
}위처럼 사용시 regex_iterator가 주어진 문자열에서 정규 표현식으로 매칭된 문자열들을 가리키게 되고 ++연산자로 범위를 조정해가면서 사용할 수 있다.
또한 *itr로 값을 뽑아낼 수 있으므로 (*itr).str()와 같은 itr->str()를 사용해서 값을 확인할 수 있다.
6) regex_replace
원하는 패턴의 문자열을 다른 문자열로 치환하는 함수이다.
예를들어 sk-circle1을 1-sk-circle로 변환하고 싶다면
즉 "sk-circle\d" 를 "숫자-sk-circle"로 변환하고 싶다면
sk-circle(\d)로 숫자부분을 캡처하고, 치환할때 첫번째 캡처된 값임을 표시하는 $1을 사용하면 된다.
즉 sk-circle(\d)를 $1-sk-circle로 변환하면 된다.
이런 $를 back reference라고 부른다고 한다.
regex_replace(문자열, 치환전문자열형식이 담긴 regex객체, 치환후문자열형식)으로 사용하면 된다.
#include <iostream>
#include <regex>
int main() {
std::string html = R"(
<div class="social-login">
<div class="small-comment">다음으로 로그인 </div>
<div>
<i class="xi-facebook-official fb-login"></i>
<i class="xi-google-plus goog-login"></i>
</div>
</div>
<div class="manual">
<div class="small-comment">
또는 직접 입력하세요 (댓글 수정시 비밀번호가 필요합니다)
</div>
<input name="name" id="name" placeholder="이름">
<input name="password" id="password" type="password" placeholder="비밀번호">
</div>
<div id="adding-comment" class="sk-fading-circle">
<div class="sk-circle1 sk-circle">a</div>
<div class="sk-circle2 sk-circle">b</div>
<div class="sk-circle3 sk-circle">asd</div>
<div class="sk-circle4 sk-circle">asdfasf</div>
<div class="sk-circle5 sk-circle">123</div>
<div class="sk-circle6 sk-circle">aax</div>
<div class="sk-circle7 sk-circle">sxz</div>
</div>
)";
std::regex re(R"r(sk-circle(\d))r");
std::smatch match;
std::string modified_html = std::regex_replace(html, re, "$1-sk-circle");
std::cout << modified_html;
}
결과)
7) 중첩된 캡쳐 그룹
만약 "sk-circle1 sk-circle"을 "1-sk-circle"로 대체하고 싶다면
단지 1을 (\d)로 캡처하는 것 뿐 아니라 뒤에 붙은 sk-circle도 날려버려야 하므로 캡처해줘야 한다.
그러므로 (sk-circle(\d) sk-circle)로 문자열 전체를 캡처하면서 숫자부분도 캡처해줘야 한다.
이때 back reference는 괄호가 열리는 순서대로 번호가 붙기때문에 가장 먼저 열린 괄호에 해당하는
$1은 문자열 전체를 캡처하고, $2는 \d부분을 캡처하게 된다.
즉 결과로는 $2-sk-circle을 만들면 되는 것
#include <iostream>
#include <regex>
int main() {
std::string html = R"(
<div class="sk-circle1 sk-circle">a</div>
<div class="sk-circle2 sk-circle">b</div>
<div class="sk-circle3 sk-circle">asd</div>
<div class="sk-circle4 sk-circle">asdfasf</div>
<div class="sk-circle5 sk-circle">123</div>
<div class="sk-circle6 sk-circle">aax</div>
<div class="sk-circle7 sk-circle">sxz</div>
)";
std::regex re(R"r((sk-circle(\d) sk-circle))r");
std::smatch match;
std::string modified_html = std::regex_replace(html, re, "$2-sk-circle");
std::cout << modified_html;
}
결과)
※ 참고 문헌