책 씹어먹는 즐거움

앞서 배운 정규표현식의 문자 클래스([ ])에서 우리는 문자 클래스([ ])에 개별 문자들을 하나하나 기입하지 않고 다음의 경우처럼 범위로 제시할 수 있었다. 

그러면서 이런 생각을 해봤을 가능성이 있다. 구태여 [A-Za-z]라고 하지 않고 [A-z]라고 하면 대문자 A부터 소문자 z까지 모든 알파벳 대소문자를 다 대표할 수 있지 않을까?

왜 알파벳 대소문자를 의미하는 문자 클래스를 구태여 [A-Za-z]라고 [A-z]하지 않는 이유를 알려면 아스키(ASCII) 코드를 보아야 한다. 

우리가 사용하는 정규표현식의 문자 클래스는 아스키(ASCII) 코드를 이용하고 있다. 이 아스키(ASCII) 코드의 간단한 구성은 다음의 표와 같다.

아스키(ASCII) 코드에는 0에서 127까지 총 128개의 문자가 있고 이 중 65~90번 까지가 A~Z의 알파벳 대문자이고, 중간에 구문기호 및 심볼이 91~96번까지 들어가 있으며 그 뒤에 다시 97번~122번까지 a~z로 알파벳 소문자가 나온다. 만일, 문자 클래스로 [A-z]라고 하면 실은 아스키(ASCII) 코드 65번~122번까지 아우르는 것이므로 원치 않는 구문기호와 심볼까지 포함하는 문자 클래스가 되기 때문에 [A-z]라고 쓰지 않는 것이다.

정규표현식의 문자 클래스([ ])가 아스키(ASCII) 코드를 인식하므로 해당 문자의 16진수 코드값을 대괄호 안에 넣어서 문자 클래스를 만들 수 있다. 즉, 원하는 문자를 문자 클래스로 묶을 때, 이제까지는 대괄호[ ] 안에 원하는 문자를 입력하여 문자 클래스로 묶었지만 해당 문자의 16진수 아스키(ASCII) 코드값을 알고 있다면 문자 대신 코드값을 넣어 해당 문자를 대괄호 안에 넣어서 문자 클래스를 만들 수 있다.

가령, 대문자 A는 아스키(ASCII) 코드에서 65번이고 16진수로는 0x41이다. 이를 문자 클래스에 16진수로 표기할 때는 x 앞에 숫자 0을 제거하고 역슬래쉬(\)를 붙여 x가 문자가 아닌 16진수를 나타내기 위한 기호라는 것을 나타내면서 다음과 같이 작성한다. 

그 외에 몇 가지 사례는 다음과 같다. 

아래는 본 포스팅의 내용을 갈무리하기 위한 Anki 파일입니다. 참고하시기 바랍니다. 

vim은 정규표현식 내에 POSIX 문자 클래스를 지원하는데, 이런 POSIX 문자 클래스를 이용하면 정규 표현식으로 사용하기 힘든 제어 문자들을 쉽게 사용할 수 있어 유용하다. 

다음은 우리가 앞서 배웠던 것과 유사한 것들로 쉽게 이해할 수 있는 POSIX 문자 클래스이다. 쉬운 것부터 보자.

다음은 공백을 나타내는 것들이다. 

POSIX 문자 클래스를 사용할 경우 앞서 배운 문자 클래스([ ])로 감싸야 한다. 즉, 대괄호가 두 번 중복 사용된다. 가령 다음과 같다.

지금까지는 앞서 배운 정규표현식으로 간단히 나타낼 수 있는 것들을 POSIX 문자 클래스로 어떻게 나타내는지 살펴보았다. 다음에는 정규 표현식으로 사용하기 힘든 제어 문자들을 나타내는 POSIX 문자 클래스를 살펴본다.

아래는 본 포스팅의 내용을 갈무리하기 위한 Anki 파일입니다. 참고하시기 바랍니다. 

035 vim의 정규표현식(8) POSIX 문자 클래스 1.apkg

 이제까지 배웠던 vim 정규표현식 패턴을 응용해 보자.

 ※ 역슬래쉬스페이스바(\ )는 문자 그대로 한 칸의 공백을 의미함. 공백 문자가 명령어나 인자들을 구분하는 의미로 사용되는 메타 문자이기 때문에 공백 앞에 역슬래쉬(\)를 붙여주어야 정상적인 공백으로 인식한다. 

 C에서 변수를 선언할 때 int var; 같은 문자열에 해당하는 패턴은?

아래는 본 포스팅의 내용을 갈무리하기 위한 Anki 파일입니다. 참고하시기 바랍니다. 

034 vim의 정규표현식(7) 몇 가지 예제들.apkg

주민등록번호를 정규표현식으로 나타내려면 어떻게 해야 할까? 

주민등록번호는 엄밀하게 말하면 모든 자리의 수가 0에서 9까지의 숫자로 이루어진 것은 아니지만 편의상 ○○○○○○-○○○○○○○ 형식의 앞에 6개의 숫자와 하이픈(-) 뒤에 7개의 숫자로 이루어진 일련의 문자열로만 다룬다고 할 때 정규표현식은 어떻게 될까?

앞서 우리는 [0-9]라는 문자 클래스를 이용하여 숫자들에 해당하는 하나의 문자를 지정하는 법을 배웠다.

그렇다면 정규표현식은 다음과 같을 것이다.

너무 길다. 이렇게 반복되는 경우를 효율적으로 처리할 방법이 필요하다.

정규표현식에서는 특정한 표현식을 반복하는 방법을 아래와 같이 제공하고 있다.

\{min,max\}를 이용하여 주민등록번호를 지정하면 다음과 같다. 

\{min,max\}에서 min을 0으로 할 경우 반복이 전혀 없는 경우도 해당된다.

\{min,max\}에서 max를 생략할 경우 반복 횟수에 제한이 없어진다. 따라서

아래는 본 포스팅의 내용을 갈무리하기 위한 Anki 파일입니다. 참고하시기 바랍니다. 

033 vim의 정규표현식(7) 반복.apkg

문자열의 집합을 표현하는 데 사용하는 형식 언어가 정규표현식이다. 

문자열의 집합을 효과적으로 표시하려다 보니 다양한 문자들을 문자 외의 다른 용도로 사용하기 위하여 역슬래쉬(\)를 붙이거나 문자 외의 다른 용도로 특수하게 사용되는 문자들을 문자 그 자체로 나타내기 위해서 역슬래쉬(\)를 붙이기도 한다. 

특정 용도의 문자를 문자 그 자체로 나타내기 위하여 역슬래쉬(\)를 붙이는 경우

특정 문자를 탭(tab), Esc 등 문자 외의 다른 용도로 사용하기 위하여 역슬래쉬(\)를 붙이는 경우

아래는 본 포스팅의 내용을 갈무리하기 위한 Anki 파일입니다. 참고하시기 바랍니다. 

032 vim의 정규표현식(6) 특수 문자.apkg

vim의 정규표현식에서 or은 \| 즉, 역슬래쉬버티컬바로 나타낸다. 이 or(\|)은 다음과 같은 형식으로 쓴다. 

가령, 탐색하는 문자열이 cat이거나 dog이라면 그 정규표현식은 다음과 같다.

어떤 문자열 중에 첫 번째 글자가 대문자인지 소문자인지 여부와 상관없이 모두 찾고자 하면 보통 문자 클래스를 이용한다. 가령 Cat과 cat을 동시에 찾고 싶다면 문자 클래스를 이용하여 다음과 같이 작성하면 된다.

이와 비슷한 표현을 조금 복잡하지만 or(\|)로 다음과 같이 할 수 있다.

\(와 \) 로 인하여 매우 복잡하게 보인다. 그냥 문자 클래스([ ])로 쓰는 것이 편하지 않을까? 앞에 보여준 예에서는 단 한 개의 글자가 대문자이거나 소문자인 것을 선택하는 것이므로 문자 클래스([ ])가 더 쓰기 편하다. 하지만 여러 개의 문자열 중 하나를 선택할 경우에는 or(\|)을 \(와 \) 사이에 배치하는 편이 더 쓰기 편하다.

가령, 다음과 같은 일련의 파일 이름에서 cat.jpg, anmimal.jpg, dog.jpg 에만 해당하는 정규표현식은 다음과 같다.

※ 역슬래쉬점(\.)은 점(.)을 어떤 임의의 한 개의 문자를 의미하는 특수한 용도로 사용하지 말고 점(.) 문자 그 자체로만 인식하라는 의미

아래는 본 포스팅의 내용을 갈무리하기 위한 Anki 파일입니다. 참고하시기 바랍니다. 

정규표현식은 문자열을 위치에 따라서 특정할 수 있다. 즉 해당 문자열이 행의 시작에 있는지 끝에 있는지에 따라 구별하여 특정할 수 있고, 단어의 시작인지 끝에 위치한 것인지를 특정할 수 있다. 

앞선 문자 클래스 포스팅에서 캐럿(^)이 문자 클래스에서 not의 의미로 쓰이는 것을 언급한 바 있다. 하지만 캐럿(^)이 문자 클래스 외에서 쓰일 때에는 행의 첫 문자를 의미한다. 그리고 달러($)는 정규표현식에서 행의 끝 문자를 의미한다.

캐럿(^)과 달러($)를 사용할 경우 캐럿(^)은 탐색하고자 하는 문자열의 앞에 와야 하고 달러($)는 뒤에 와야 한다. 

위에서 작성한 정규표현식으로 탐색한 결과는 다음과 같이 나타난다.

정규표현식으로 행의 시작과 끝에 있는 문자열을 특정할 수 있듯이 단어의 시작과 끝에 있는 문자열을 특정할 수 있다. 단어의 시작은 \< 로 나타내고 단어의 끝은 \> 로 나타낸다.

앞서 언급한 캐럿(^)과 달러($)처럼 단어의 시작(\<)은 찾고자 하는 문자열의 앞에 와야 하고 단어의 끝(\>)은 뒤에 와야 한다.

해당 정규표현식으로 탐색한 결과는 다음과 같이 나타난다.

사진을 보면 알겠지만 단어들은 공백과 점(.), 아포스트로피(‘) 등으로 구분된다.

아래는 본 포스팅의 내용을 갈무리하기 위한 Anki 파일입니다. 참고하시기 바랍니다. 

030 vim의 정규표현식(4) 문자열의 위치.apkg

앞서 문자열 탐색의 포스팅에서는 탐색할 문자열을 슬래쉬(/)나 물음표(?) 다음에 바로 입력했다. 이 때 입력한 단순한 문자열도 그 자체로 정규표현식이다. 문자열로 탐색하면 해당 문자열로만 이루어진 것을 찾아주지 않는다. 독립된 단어이든 어떤 단어의 일부이든 그저 탐색할 문자열과 일치하는 모든 것을 전부 탐색한다. 다음은 그 사례다.

정규표현식에서 점(.)은 아무 문자나 단 한 개의 문자를 의미한다. 가령, 앞에서 cat를 탐색한 것과 다르게 3글자이고 c와 t는 기억이 나는데 가운데 한 글자가 기억이 나지 않는 경우가 있다. 이럴 때는 어떻게 검색해야 할까? 명령 라인에 다음처럼 입력하면 된다. 

그 결과는 다음과 같다. 

즉, c와 임의의 한 글자 그리고 t의 세 글자로 이루어진 문자열을 전부 찾는다.

단, 문자 클래스([ ]) 안에서 점(.)표현을 쓸 때는 그냥 점(.) 그 문자 자체를 의미하므로 c[.]t는 c.t만 해당되고 cat, cut 등은 전부 해당되지 않음

점(.)으로 탐색할 때 반드시 해당하는 임의의 글자가 1개 있어야 하므로 의 특성을 사용하면 다양한 방식으로 문자열을 탐색할 수 있다. 

※ 공백도 점(.)이 나타내는 한 개의 문자에 해당되므로 이 점은 주의를 요함

아래는 본 포스팅의 내용을 갈무리하기 위한 Anki 파일입니다. 참고하시기 바랍니다. 

029 vim의 정규표현식(3) 점(.).apkg

문자열 관련 탐색을 할 때는 앞서 포스팅한 문자열 탐색에서와 같이 그냥 해당 문자열을 바로 탐색하는 것이 가장 간단하다. 즉, 정방향으로 abc라는 문자열을 문서를 탐색할 때는 다음과 같이 명령 라인에 명령어를 입력하면 된다. 

그런데 abc와 Abc로 맨 앞의 a가 대문자이거나 소문자인 경우를 모두 같이 탐색하고 싶으면 어떻게 해야 할까?

다음처럼 검색하면 된다.

여기에서 대괄호([ ])로 묶인 것을 문자 클래스라고 부른다. 문자 클래스는 이 대괄호 사이에 있는 문자 중 하나와 일치하면 해당 문자와 일치하는 것으로 본다. 따라서 해당 위치에 올 수 있는 여러 문자들을 문자 클래스([ ]) 내에 배치하면 다양한 문자열을 아래와 같이 간단하게 찾을 수 있게 된다.

이 문자 클래스([ ])는 하이픈(-)을 이용하여 범위를 지정할 수 있다. 

또한, 문자 클래스([ ]) 내에 캐럿(^)을 이용하여 not의 의미를 부여할 수도 있다.

아래는 본 포스팅의 내용을 갈무리하기 위한 Anki 파일입니다. 참고하시기 바랍니다. 

정규표현식을 공부하기에 앞서 정규표현식이란 무엇이고 왜 공부하는게 좋은지 조금 동기부여를 해볼 필요가 있다. 

정규표현식이란 무엇일까? 간단하게 정의하면 다음과 같다. 

정규표현식은 문자열을 집합이라는 형태로 다루는 형식 언어이기 때문에, 단순히 몇몇 프로그램이나 vim에서 일시적으로 제공하는 도구가 아니다. 

형식 언어로 학문적인 틀을 갖추고 진지하게 연구되어 개발되었기 때문에 그 구현에 있어서 문법과 버전이 조금씩 다를 수는 있어도 그 본질이 크게 달라질 수는 없다. 그리고 대부분의 문법도 편의성 때문에 조금씩 다르게 적용되는 것 말고는 거의 유사한 것으로 알고 있다. 이 이야기는 정규표현식을 익혀놓으면 그것이 소프트웨어 개발이건, 텍스트 편집이건, 운영체제 운용이든 평생 유용하게 써먹을 수 있다는 이야기이다. 물론, 현재에도 정규표현식은 vim 뿐만 아니라 다양한 텍스트 에디터, Unix/Linux 계열의 애플리케이션, 소프트웨어 개발 등에서 폭넓게 사용되고 그 유용성을 인정받고 있다. 또한, 데이터 유효성 검사, 데이터 웹 스크랩핑, 문법 구현 등에서도 매우 유용하게 쓰이고 있다. 

처음 정규표현식을 접하게 되면 각종 기호와 문자가 복잡하게 얽혀있는 모습이 초보자에게 부담스럽게 다가오지만 유용하게 사용할 수준까지는 매우 쉽게 익힐 수 있고 익혀두면 정말 쓸 곳이 많고 유용하다. 다음이 사례를 보면 그 유용성을 느낄 수 있을 것이다. 

아래는 자바스크립트에서 전화번호를 입력받아서 그 전화번호가 올바른 형식으로 입력되었는지 확인하는 함수를 구현해본 것이다.

위의 함수는 꽤 간략하게 코드를 정리한 것이다. 하지만 정규표현식을 이용하면 이 코드가 다음과 같이 줄어든다.

내부 블록에 12줄로 작성된 함수가 마법처럼 1줄로 줄어들었다. 이처럼 정규표현식을 사용하면 문자열 관련 프로그래밍을 하거나 수만 줄의 코드에서 원하는 문구를 정확히 찾아내는 등 문자열 관련한 작업에서 압도적인 효율을 갖출 수 있게 된다.

아래는 본 포스팅의 내용을 갈무리하기 위한 Anki 파일입니다. 참고하시기 바랍니다. 

027 vim의 정규표현식(1).apkg