개요

본 문서는 R에서 사용하는 Regex를 다룹니다.
본 문서는 엘리님의 드림코딩 유튜브를 참고하였습니다. - 엘리의 드림코딩 - 정규표현식

REGEX

정규표현식은 늘 R에서 만나면 당황하곤 합니다. 뭔가 외계어 같고 특수문자가 가득해서 위화감을 주기 때문인 것 같습니다. 하지만 알고보면 정규표현식은 어렵지 않게 이해하고 사용할 수 있습니다. 아래 예시문을 가지고 정규표현식 연습링크에서 따라하시면 좋습니다. 그리고 위에 언급드린 엘리님께서 유튜브로 너무 잘 정리해주셨습니다.(감사X100) 해당 유튜브 컨텐츠를 보시고 30분만 따라하시면 금방 감이 오실거예요:)

정규표현식 연습링크

예시문

    Hi there, Nice to meet you. And Hello there and hi.
    I love grey(gray) color not a gry, graay and graaay.
    Ya ya YaYaYa Ya
    
    abcdefghijklmnopqrstuvwxyz
    ABSCEFGHIJKLMNOPQRSTUVWZYZ
    1234567890
    
    .[]{}()\^$|?*+
    
    010-898-0893
    010-405-3412
    02-878-8888
    
    dream.coder.ellie@gmail.com
    hello@daum.net
    hello@daum.co.kr
    
    https://www.youtu.be/-ZClicWm0zM
    https://youtu.be/-ZClicWm0zM
    youtu.be/-ZClicWm0zM

Groups and ranges

| : OR
- Hi|Hello : Hi나 Hello에 매칭되는 문자열을 반환
() : 그룹
- (Hi|Hello)|(And) :Hi와 Hello는 Group1에 매칭되며, And는 Group2에 매칭됨
- gr(e|a)y : grey나 gray 모두 매칭되어 반환
- gr(?:e|a)y : 매칭은 되지만 Group1, Group2는 지정이 되지 않음
[] 괄호 안의 어떤 문자든 반환
- gr[abcdef]y / gr[a-f]y : 대괄호 안의 모든 문자열을 반환한다
- [a-zA-Z0-9] : a~z 까지의 문자와, A~Z까지의 문자와 0~9가 들어간 모든 숫자를 반환
^ : NOT
- [^a-zA-Z0-9] : 영어와 숫자 빼고 모든 문자를 반환

Quantifier

? : 없거나 있거나
- gra?y : gray, gry 모두 반환
* : 없거나 있거나 많거나
- gra*y : gray, graaay, gry 모두 반환
+ : 한개 이상
- gra+y : gray, graaay만 추가
{n} : n개만 특정해서 반환
- gra{2}y : graay만 반환
{min,max} : min ~ max개 사이의 문자열을 반환
- gra{2,3}y : graay, graaay를 반환
- gra{2,}y : graay, graaay를 반환 (최소값만 지정하여 2개 이상인 것들을 반환)

Boundary type

\b : 단어 경계
- \bYa : 단어 앞에서 쓰이는 Ya를 반환함
- Ya\b : 단어 뒤에서만 쓰이는 Ya를 반환
\B : 단어 경계의 반대
- \BYa : 단어 앞에서 쓰이는 Ya는 빼고 반환함
- Ya\B : 단어 뒤에서만 쓰이는 Ya는 빼고 반환
^,$ : 문장 경계
- ^Ya : 문장에서 시작하는 Ya 반환
- Ya$ : 문장에서 끝나는 Ya 반환

Character Classes

. : 모든 문자열
- . : 모든 문자열을 선택 가능
\ : Escape
\d : 숫자를 모두 반환
\D : 숫자를 제외하고 모두 반환
\w : 모든 word
\W : 모든 문자를 제외하고 반환
\s : space 반환
\S : space를 제외하고 반환

Exercise

library(tidyverse)

## -- Attaching packages ------------------------------------------------------------------------------- tidyverse 1.3.1 --

## √ ggplot2 3.3.3     √ purrr   0.3.4
## √ tibble  3.1.2     √ dplyr   1.0.6
## √ tidyr   1.1.3     √ stringr 1.4.0
## √ readr   1.4.0     √ forcats 0.5.1

## -- Conflicts ---------------------------------------------------------------------------------- tidyverse_conflicts() --
## x dplyr::combine() masks gridExtra::combine()
## x dplyr::filter()  masks stats::filter()
## x dplyr::lag()     masks stats::lag()

1. 전화번호만 선택하기

sentence <- "Hi there, Nice to meet you. And Hello there and hi. I love grey(gray) color not a gry, graay and graaay. Ya ya YaYaYa Ya .[]{}()^$|?*+ 010-898-0893 010-405-3412 02-878-8888 dream.coder.ellie@gmail.com hello@daum.net hello@daum.co.kr  https://www.youtu.be/-ZClicWm0zM https://youtu.be/-ZClicWm0zM youtu.be/-ZClicWm0zM"

print(sentence)

## [1] "Hi there, Nice to meet you. And Hello there and hi. I love grey(gray) color not a gry, graay and graaay. Ya ya YaYaYa Ya .[]{}()^$|?*+ 010-898-0893 010-405-3412 02-878-8888 dream.coder.ellie@gmail.com hello@daum.net hello@daum.co.kr  https://www.youtu.be/-ZClicWm0zM https://youtu.be/-ZClicWm0zM youtu.be/-ZClicWm0zM"

str_extract_all(sentence, "[0-9]+[\\-|\\.][0-9]+[\\-|\\.][0-9]+") %>% unlist()

## [1] "010-898-0893" "010-405-3412" "02-878-8888"

str_extract_all(sentence, '\\d{2,3}[.-]\\d{3,4}[.-]\\d{3,4}') %>% unlist()

## [1] "010-898-0893" "010-405-3412" "02-878-8888"

2. 이메일 주소 가져오기

str_extract_all(sentence,
                "[a-zA-Z0-9._+-]+@[a-zA-Z0-9-_]+\\.[a-zA-Z0-9.]+") %>% 
  unlist()

## [1] "dream.coder.ellie@gmail.com" "hello@daum.net"              "hello@daum.co.kr"

3. 인터넷 주소 가져오기

# 유튜브 아이디 가져오기
str_extract_all(sentence, "(https?:\\/\\/)?(www.)?youtu.be\\/([a-zA-Z0-9-]+)")

## [[1]]
## [1] "https://www.youtu.be/-ZClicWm0zM" "https://youtu.be/-ZClicWm0zM"     "youtu.be/-ZClicWm0zM"

# 뒤에 유튜브 ID만 추출
str_match(sentence, "(?:https?:\\/\\/)?(?:www.)?youtu.be\\/([a-zA-Z0-9-]+)") %>% .[2]

## [1] "-ZClicWm0zM"

R에서 꼭 필요한 정규표현식

개요