정규식 챗봇

정규 표현식은 문자열을 _패턴 매칭_하는 매우 다재다능한 방법으로, 그 목적을 위해 설계된 도메인 특화 언어(DSL)를 사용해요.

Julia는 다른 여러 프로그래밍 언어처럼 자체 정규식 라이브러리를 구현하려고 하지 않아요. 대신 널리 쓰이는 PCRE2 라이브러리를 감싸서, (예를 들어) Gleam과 동일하고 JavaScript와 매우 유사한 정규식 문법을 제공해요.

• Regex101
• RegExr
• RexEgg
• RegexOne
• Regular Expressions Info

Julia의 정규 표현식 인터페이스는 매뉴얼에 설명되어 있어요.

Julia에서 정규 표현식은 여는 " 앞에 r을 붙인 문자열에 불과해요. 기본 기능은 모두 표준 라이브러리에 포함되어 있어요.

사실 Strings 개념에서 이미 다룬 많은 함수가 occursin()처럼 기본적으로 정규식 검색을 위해 설계되었어요.

julia> re = r"test$"
r"test$"

julia> typeof(re)
Regex

# Does a string end with "test"?
julia> occursin(re, "this is a test")
true

julia> occursin(re, "these are tests")
false

수정자 문자는 닫는 따옴표 뒤에 올 수 있는데, 예를 들어 i는 대소문자를 구분하지 않는 매칭을 의미해요.

julia> occursin(r"test", "Testing")
false

julia> occursin(r"test"i, "Testing")
true

캡처

흔히 우리는 무엇이 매칭되는지 알고 싶어요. 이는 정규식 안의 괄호에 캡처 그룹을 넣고 match() 함수를 사용하면 돼요.

julia> m = match(r"(\d+g) .* (\d+ml)", "dissolve 25g sugar in 200ml water")
RegexMatch("25g sugar in 200ml", 1="25g", 2="200ml")

julia> m.captures
2-element Vector{Union{Nothing, SubString{String}}}:
 "25g"
 "200ml"

# how many matches?
julia> length(m.captures)
2

# what matched?
julia> m[1], m[2]
("25g", "200ml")

# Starting positions of the matches (character index)
julia> m.offsets
2-element Vector{Int64}:
 10
 23

물론 매칭이 실패할 수도 있어요. 그러면 결과는 RegexMatch 대신 특수 값 Nothing이 되니, 이에 대비해야 해요.

# failed match
m = match(r"(not here)", "dissolve 25g sugar in 200ml water")

julia> typeof(m)
Nothing

julia> isnothing(m)
true

match는 기본적으로 문자열의 시작에서 매칭을 시작하지만, 앞의 n개 문자를 무시하도록 오프셋 n을 지정할 수도 있어요.

# capture first match
julia> m = match(r"(\wat)", "cat, sat, mat")
RegexMatch("cat", 1="cat")

# ignore first 5 characters, then match
julia> m = match(r"(\wat)", "cat, sat, mat", 5)
RegexMatch("sat", 1="sat")

Julia에서 match()는 대상 문자열 내에서 첫 번째 매칭만 찾아요. 다른 언어들처럼 전역 수정자는 없어요.

대신 매칭의 반복자를 반환하는 eachmatch()가 있어요. 이는 지연 평가되므로, 원하는 형식으로 변환해야 할 수도 있어요.

julia> matches = eachmatch(r"(\wat)", "cat, sat, mat")
Base.RegexMatchIterator{String}(r"(\wat)", "cat, sat, mat", false)

# convert to vector
julia> collect(matches)
3-element Vector{RegexMatch}:
 RegexMatch("cat", 1="cat")
 RegexMatch("sat", 1="sat")
 RegexMatch("mat", 1="mat")

# convert with comprehension
julia> [m.match for m in matches]
3-element Vector{SubString{String}}:
 "cat"
 "sat"
 "mat"

# broadcast an anonymous function
julia> (m -> m.match).(matches)
3-element Vector{SubString{String}}:
 "cat"
 "sat"
 "mat"

치환

정규식을 사용하는 흔한 이유 중 하나는 매칭된 부분을 다른 문자열로 바꾸는 것이에요.

replace() 함수는 Strings 개념에서 문자열 리터럴로 검색하는 방식으로 다뤘어요. 같은 함수로 정규식 매칭의 모든 기능을 활용할 수 있어요.

julia> replace("some string", r"[aeiou]" => "*")
"s*m* str*ng"

julia> replace("first second", r"(\w+) (?<agroup>\w+)" => s"\g<agroup> \1")
"second first"

위의 두 번째 예시는 s" " 문자열 안에서 번호가 붙은 캡처 그룹과 이름이 붙은 캡처 그룹을 모두 치환에 사용하는 방법을 보여줘요.

더 자세한 내용은 매뉴얼을 참고해요. 이 주제는 대부분의 프로그래머를 끊임없이 문서로 되돌아가게 만드는 주제예요!