C# 정규표현식(regex)에 대해 알아보는 시간입니다. 정규표현식 또는 정규식 표현은 Regular Expression(REGEX)이라는 단어에서 볼 수 있듯이 정규화 된 특정의 규칙을 표현하는 방법입니다. 거의 모든 프로그래밍에서 활용이 되므로 한 번쯤 읽어보시면 도움이 많이 될 것입니다.
주요 개념으로는 패턴(pattern)과 매치(match)가 있습니다. 패턴은 일치하는 표현을 구성하는 문자열을 의미하고 매치는 일치하는 결과 배열을 뜻합니다. 매치는 Matches(Matchcollection), Match로 C#에서 자주 언급합니다.
그밖에도 정규표현식은 Regex의 생성자뿐만 아니라 Replace, Split 으로 일치하는 표현을 치환하거나 나누는 용도로 사용할 수 있습니다. 이번 게시물에서는 다음의 목차와 같이 C#에서 사용하는 표현식에 대해 안내해 드리겠습니다.
- Control Single Characters
- Control Characters
- Non-ascii codes
- Character Classes
- Quantifiers
- Anchors
- Groups
- Inline Options
- Backreferences
- Alternation
- Substitution
- Comments
- Supported Unicode Categories
Control Single Characters
set, not set, range 등 정규표현식의 핵심이라 할 수 있는 내용입니다. 매우 자주 사용하는 편이므로 숙지해 두시는 게 좋습니다.
| 표현식 | 의미 |
| [set] | 셋에 있는 어느 문자든 : In that set |
| [^set] | 셋에 있는 모든 문자 제외 : Not in that set |
| [a–z] | a부터 z까지 범위의 어느 문자든 : In the a-z range |
| [^a–z] | a부터 z까지 범위 모두 제외 문자 : Not in the a-z range |
| . | \n을 제외한 어느 문자든 : Any except \n (new line) |
| \char | 표현식에서 사용하는 특수문자를 문자 그대로 : Escaped special character |
Control Characters
제어문자 또는 특수문자에 해당하는 표현식 목록입니다.
| 표현식 | 일치 | 유니코드 |
| \t | Horizontal tab | \u0009 |
| \v | Vertical tab | \u000B |
| \b | Backspace | \u0008 |
| \e | Escape | \u001B |
| \r | Carriage return | \u000D |
| \f | Form feed | \u000C |
| \n | New line | \u000A |
| \a | Bell (alarm) | \u0007 |
| \c char | ASCII control character | - |
Non-ascii codes
| 표현식 | 다음과 같은 문자코드와 일치 |
| \octal | 2-3 digit octal character code (8진수) |
| \x hex | 2-digit hex character code (16진수) |
| \u hex | 4-digit hex character code (16진수) |
Character Classes
소문자는 해당 캐릭터, 대문자를 해당 캐릭터가 아닌(not)을 뜻한다는 확인할 수 있습니다.
| 표현식 | 일치 문자 |
| \p{ctgry} | In that Unicode category or block |
| \P{ctgry} | Not in that Unicode category or block |
| \w | Word character |
| \W | Non-word character |
| \d | Decimal digit |
| \D | Not a decimal digit |
| \s | White-space character |
| \S | Non-white-space char |
Quantifiers
수량자입니다. 정규표현식의 시작이 컨트롤 싱글 캐릭터(본문 최상단)라면, 수량자는 꽃이자 마지막이라 할 수 있습니다. 이 문서에서 가장 중요한 표현식 중 하나이기도 합니다.
하단의 표를 보면, 그리디와 레이지가 나오는데, 직역하면 Greedy는 탐욕스러운 것, Lazy는 게으른 것이라는 건 알고 계시죠?
수량자는 Greedy Quantifier, Lazy Quantifier 로 나눌 수 있습니다.
Greedy는 탐욕스럽다는 표현에서 볼 수 있듯이 최대한 많은 표현식과의 일치 여부를 캡처합니다.
반대로 Lazy는 최소한의 일치여부로 표현을 캡처합니다.
그리고 "Greedy + ?" 은 Lazy 라는 공통점이 있으니, 알고 계시면 도움이 된답니다.
| Greedy | Lazy | 일치하는 표현 |
| * | *? | 0 이상 : 0 or more times |
| + | +? | 1 이상 : 1 or more times |
| ? | ?? | 0이거나 1이거나(둘 중 하나) : 0 or 1 time |
| {n} | {n}? | 정확히 n 번 : Exactly n times |
| {n,} | {n,}? | 최소 n 번 : At least n times |
| {n,m} | {n,m}? | 최소 n 번, 최대 m 번 : From n to m times |
Anchors
스트링 또는 라인의 시작을 나타내는 ^ 표현식와, 끝을 나타내는 $ 표현식은 많이 접하셨을 겁니다.
| 표현식 | 특정하는 위치 |
| ^ | 스트링 또는 라인의 시작 : At start of string or line |
| \A | At start of string |
| \z | At end of string |
| \Z | At end (or before \n at end) of string |
| $ | 스트링 또는 라인의 끝 : At end (or before \n at end) of string or line |
| \G | Where previous match ended |
| \b | On word boundary |
| \B | Not on word boundary |
Groups
인덱스드 그룹, 네임드 그룹은 자주 사용하는 편에 속하므로 한 번 훑어보세요.
| 표현 | 정의 |
| (exp) | 색인된 그룹 : Indexed group |
| (?<name>exp) | 명명된 그룹 : Named group |
| (?<name1-name2>exp) | Balancing group |
| (?:exp) | 표현식 캡처 제외 그룹 : Noncapturing group |
| (?=exp) | Zero-width positive lookahead |
| (?!exp) | Zero-width negative lookahead |
| (?<=exp) | Zero-width positive lookbehind |
| (?<!exp) | Zero-width negative lookbehind |
| (?>exp) | Non-backtracking (greedy) |
Inline Options
Case-insensitive를 나타내는 i 와 같은 옵션은 간혹 사용하는 것을 볼 수 있습니다.
| 옵션 | 표현식에서의 옵션 의미 |
| i | Case-insensitive |
| m | Multiline mode |
| n | Explicit (named) |
| s | Single-line mode |
| x | Ignore white space |
| 옵션 | 사용 목적 |
| (?imnsx-imnsx) | Set or disable the specified options |
| (?imnsx-imnsx:exp) | Set or disable the specified options within the expression |
Backreferences
그룹 표현식의 인덱스드 그룹과 네임드 그룹에 대한 역참조입니다. 그룹 표현식 부분을 참고할 수 있습니다.
- 인덱스드 그룹 : (exp)
- 네임드 그룹 : (?<name>exp)
| 표현식 | 매치 그룹 |
| \n | Indexed group |
| \k<name> | Named group |
Alternation
a 또는 b를 나타낼 때에는 a|b 와 같이 표현식을 사용합니다. 자주 사용하는 부분이니 한 번 확인해 주세요.
| 표현식 | 일치 여부 |
| a |b | Either a or b |
| (?(exp) yes | no) | yes if exp is matched no if exp isn't matched |
| (?(name) yes | no) | yes if name is matched no if name isn't matched |
Substitution
| 표현식 | 대체하려는 표현 |
| $n | Substring matched by group number n |
| ${name} | Substring matched by group name |
| $$ | Literal $ character |
| $& | Copy of whole match |
| $` | Text before the match |
| $' | Text after the match |
| $+ | Last captured group |
| $_ | Entire input string |
Comments
| 표현 | 목적 |
| (?# comment) | Add inline comment |
| # | Add x-mode comment |
Supported Unicode Categories
| 카테고리 | 설명 |
| Lu | Letter, uppercase |
| LI | Letter, lowercase |
| Lt | Letter, title case |
| Lm | Letter, modifier |
| Lo | Letter, other |
| L | Letter, all |
| Mn | Mark, nonspacing combining |
| Mc | Mark, spacing combining |
| Me | Mark, enclosing combining |
| M | Mark, all diacritic |
| Nd | Number, decimal digit |
| Nl | Number, letterlike |
| No | Number, other |
| N | Number, all |
| Pc | Punctuation, connector |
| Pd | Punctuation, dash |
| Ps | Punctuation, opening mark |
| Pe | Punctuation, closing mark |
| Pi | Punctuation, initial quote mark |
| Pf | Puntuation, final quote mark |
| Po | Punctuation, other |
| P | Punctuation, all |
| Sm | Symbol, math |
| Sc | Symbol, currency |
| Sk | Symbol, modifier |
| So | Symbol, other |
| S | Symbol, all |
| Zs | Separator, space |
| Zl | Separator, line |
| Zp | Separator, paragraph |
| Z | Separator, all |
| Cc | Control code |
| Cf | Format control character |
| Cs | Surrogate code point |
| Co | Private-use character |
| Cn | Unassigned |
| C | Control characters, all |