[C++][정규표현식] <regex> 함수

문자열 문제에서 유용하게 쓸 정규표현식을 공부해보자.

(http://sweeper.egloos.com/2999049 사이트를 참고해서 적었습니다.)

 

· 헤더파일: <regex>

· 관련 함수: 

 1) regex_match: 정규식이 전체 대상 문자열과 일치하는지 여부를 반환(bool)

 2) regex_search: 문자열이 정규식과 매치되는 sub string을 포함하고 있는지 여부를 반환(bool)

 3) regex_replace: 정규식 표현식을 replace 문자열로 교체한다. 교체된 전체 문자열을 반환한다.(string)

 4) swap: 두 basic_regex 또는 match_results 개체를 교환 합니다.(string)

 

· 상세 설명

1) std::regex_match 는 전체 문자열이 특정 규칙(패턴)을 갖고 있는지 매칭해볼 때

- 참고 레퍼런스: http://msdn.microsoft.com/en-us/library/bb982821(v=vs.100).aspx

string str("SookKaRak@gmail.com"); 
regex pattern("(\\w+[\\w\\.]*)@(\\w+[\\w\\.]*)\\.([A-Za-z]+)");
smatch m;

if (regex_match(str, m, pattern)){
        for (size_t i = 0; i < m.size(); i++){
            cout << i << "번째 : " << m[i] << endl;
        }
}
else{
    cout << "NOT MATCH" << endl;
}

regex_match(str, m, pattern): str문자열이 정규식 패턴 pattern과 완전히 매치하는지 확인하고 true or false를 리턴한다. 이 때, 그 결과 집합은 smatch 을 사용했다. 즉, ()안의 내용을 저장해 두는데, m[0]에 전체 결과 집합이 들어 있고, m[1] ~ m[3]까지 개별 결과가 들어 있다.

 

(위 코드의 하위 정규식 설명)

① (\\w+[\\w\\.]*): 첫번째 \는 정규식 시작을 뜻하고, 두번째 \w+가 정규식 판별 기호로 문자가 1개 이상 온다는 말이다. 뒤 \\w는 문자 1개, \\.는 .기호를 의미하는데, []*로 표현되어 있으므로 w.으로 시작하는 모든 문자열이 온다는 의미다.

 

② (\\w+[\\w\\.]*): 첫번째 \는 정규식 시작을 뜻하고, 두번째 \가 기호를 뜻하는데, 특수문자 앞에는 반드시 \를 써줘야 특정문자열로 인식한다. 즉, 이 정규식의 의미는 특수문자 . or - or / 가 온다는 말이다.

 

③ \\.: 문자. 이라는 의미. 특수문자 앞에는 \기호를 붙여줘야 특수문자로 인식한다.

 

④ ([A-Za-z]+): A-Z or a-z 문자열이 올건데, 1개 이상 올거란 의미.

즉, \w|W 와 [A-Za-z]는 같은말이다. 기호를 사용했냐, 직접 적어줬냐의 차이일 뿐!

 

 

2) std::regex_search 는 문자열내에서 특정 문자열을 검색할 때

void SearchTest(){
    string str("My email address is SooKkaRak@gmail.com");      
    regex pattern("(\\w+[\\w\\.]*)@(\\w+[\\w\\.]*)\\.([A-Za-z]+)");    
    smatch m;  
    
    if (regex_search(str, m, pattern)){          
        for (size_t i = 0; i < m.size(); i++){                      
            cout << i << "번째 : " << m[i] << endl;          
        }      
        else{              
            cout << "NOT MATCH" << endl;       
        }
    }
}

여러개가 포함되어 있을 경우에는 while문으로 다음 부분을 찾게 구현 한다.

void SearchTest(){
    regex pattern("(\\w+[\\w\\.]*)@(\\w+[\\w\\.]*)\\.([A-Za-z]+)");    
    string str("Primary:SooKkaRak@gmail.com     Secondary:Sweeper@yahoo.com");
 
    smatch m;  
    while (regex_search(str, m, pattern))      {          
        for (size_t i = 0; i < m.size(); i++)           {                      
            cout << i << "번째 : " << m[i] << endl;          
        }              
        cout << endl;
 
        // 다음 sub match를 str로 셋팅
        str = m.suffix();      
    }
}

smatch 객체의 suffix() 함수는 pattern에 적은 ()안의 내용을 저장해 둔다. 문자열에서 일치하는 마지막 부분의 시퀀스를 가져온다. 여기서는 primary:~~~매칭 후, index를 Primary:SooKkaRak@gmail.com끝의 인덱스를 가져와서 str에 다시 넣으므로 Secondary:~~~를 탐색할 수 있는 것이다. 

match_results::suffix

 

 

3) std::regex_replace 는 문자열을 치환할 때

참고 레퍼런스: http://msdn.microsoft.com/en-us/library/bb982317(v=vs.100).aspx

void ReplaceTest(){
    string str("Primary:SooKkaRak@gmail.com     Secondary:Sweeper@yahoo.com");
    regex pattern("(\\w+[\\w\\.]*)@(\\w+[\\w\\.]*)\\.([A-Za-z]+)");    
 
    string result = regex_replace(str, pattern, string("$1@$2.net"));
    cout << result << endl;
}

regex_replace(str, pattern, string("$1@$2.net"): str 문자열에서 정규 표현식 pattern과 일치하는 문자열을 replace(3번째 인자)와 교체한 후, 전체 문자열을 반환한다.

 

아래 예제는 일/월/연도 형식의 날짜를 연도/월/일의 형식으로 바꾸어 준다.

y/m/d간의 델리미터는 /(슬래쉬), -(하이픈), .(마침표) 세 개중 하나가 될 수 있다.

string format_date(const string& date){
    // 5개의 하위 표현식
    const regex pattern("(\\d{1,2})(\\.|-|/)(\\d{1,2})(\\.|-|/)(\\d{4})");
    // 역참조를 역순으로 나열하는 replacer
    string replacer = "$5$4$3$2$1";
 
    return regex_replace(date, pattern, replacer);
}
 
int main(){
    string date1 = "1/2/2008";
    string date2 = "12.08.2008";
 
    cout << date1 << " -> " << format_date(date1) << endl;
    cout << date2 << " -> " << format_date(date2) << endl;
}

regex_replace(date, pattern, replacer): () 괄호 하나를 왼쪽부터 $1, $2, $3, $4, $5로 표현하는데, $1 ~ $5로 표현된 문자열 date를 $5 ~ $1로 순서를 바꾸겠다는 의미다.

 

(위 코드의 하위 정규식 설명)

① \\d{1,2}: 첫번째 \는 정규식 시작을 뜻하고, 두번째 \d가 정규식 판별 기호로 십진수 숫자 하나를 뜻한다. 뒤에 {}는 앞 정규식 \d의 개수를 의미한다. 즉 이 정규식의 의미는 십진수 숫자 1~2개가 있다는 말이다.

 

② \\.|-|/: 첫번째 \는 정규식 시작을 뜻하고, 두번째 \가 기호를 뜻하는데, 특수문자 앞에는 반드시 \를 써줘야 특정문자열로 인식한다. 즉, 이 정규식의 의미는 특수문자 . or - or / 가 온다는 말이다.

 

③ \\d{4}: 숫자이고 4 자리 수라는 의미이다.

 

 

· 기타 하위 표현식

정규식

\\d* : 임의의 개수의 숫자를 의미

\\d+: 숫자 1개 이상을 의미

\\d?: 숫자 0개 or 1개 이상임을 의미

\\d{3}: 숫자 3개라는 의미. 만약 1234가 들어있다면 Matching or Search가 false를 리턴함.

\d{3,4}: 문자열이 숫자로 이루어져 있는데, 3 or 4자리로 이루어져 있다는 의미

 

[0-9]: 0-9로 이루어져있다는 의미

[01]{3}: 0혹은 1로 이루어져 있고, 해당 종류의 문자가 3번 나타날 수 있다는 의미

 

\w*: 임의의 문자를 의미

\.: 문자 .을 의미(그냥 .쓰면 임의의 문자로 같이 해석됨)

 

[A-Za-z]+: A-Z와 a-z까지의 알파벳으로 이루어져 있다는 의미

[A-Z]+: A-Z까지 문자가 1개 이상 있다는 의미

[a-z]: a-z로 이루어져있다는 의미

[A-Z]{1,5}: A-Z까지의 문자가 최소 1개, 최대 5개 존재한다는 의미

 

 

· 관련문제

코딩테스트 연습 - 숫자 문자열과 영단어

코딩테스트 연습 - 순위 검색