정규식의 멀티라인 expressions 활용

멀티라인 표현식의 활용법, Dotall (Single Line) 모드, Multi Line 모드, Non-Dotall 모드의 차이점, 여러 줄을 처리하는 방법

정규식의 멀티라인 표현식이란?

정규식(Regular Expression, Regex)은 텍스트 패턴을 검색하거나 조작할 때 강력한 도구로 사용됩니다. 특히 멀티라인 표현식은 여러 줄에 걸친 텍스트를 처리할 때 유용하며, 줄바꿈(\n)을 포함한 패턴 매칭을 가능하게 합니다. 이번 포스트에서는 멀티라인 표현식의 활용법, Dotall (Single Line) 모드, Multi Line 모드, Non-Dotall 모드의 차이점, 여러 줄을 처리하는 방법, 그리고 특정 패턴(예: start로 시작하고 end로 끝나는 패턴) 매칭 방법 등을 다룹니다. 또한, /s, /S, /w, /W, .|\n의 모드별 동작 차이를 설명합니다.

Dotall, Multi Line, Non-Dotall 모드의 차이점

정규식에서 멀티라인 텍스트를 다룰 때, 세 가지 주요 모드가 사용됩니다: Dotall 모드, Multi Line 모드, 그리고 Non-Dotall 모드. 이들은 점(.)과 경계 문자(^, $)의 동작 방식에서 차이가 있습니다.

1. Dotall (Single Line) 모드

• 설명: Dotall 모드는 점(.)이 줄바꿈 문자(\n)를 포함한 모든 문자를 매칭하도록 합니다. 기본적으로 점(.)은 줄바꿈을 제외한 모든 단일 문자를 의미하지만, Dotall 모드에서는 줄바꿈까지 포함됩니다.
• 활성화 방법: Python에서는 re.DOTALL 플래그(또는 re.S)를, JavaScript에서는 /s 플래그를 사용합니다.
• 예시 (Python):

  import re
  
  text = "Hello\nWorld"
  pattern = r"Hello.*World"
    
  # Dotall 모드 없이: 매칭 실패
  print(re.search(pattern, text))  # None
    
  # Dotall 모드 활성화: 매칭 성공
  print(re.search(pattern, text, re.DOTALL))  # <re.Match object; span=(0, 11), match='Hello\nWorld'>
  

• 사용 사례: 여러 줄에 걸친 텍스트 블록(예: HTML, 로그 파일)을 한 번에 매칭할 때 유용합니다.

2. Multi Line 모드

• 설명: Multi Line 모드는 ^와 $가 각각 각 줄의 시작과 끝을 나타내도록 합니다. 기본적으로 ^는 문자열 전체의 시작, $는 문자열 전체의 끝을 의미하지만, Multi Line 모드에서는 각 줄에 대해 독립적으로 작동합니다.
• 활성화 방법: Python에서는 re.MULTILINE 플래그(또는 re.M)를, JavaScript에서는 /m 플래그를 사용합니다.
• 예시 (Python):

  import re
  
  text = "start line1\nstart line2\nend line3"
  pattern = r"^start.*$"
    
  # Multi Line 모드 없이: 첫 번째 줄만 매칭 시도
  print(re.findall(pattern, text))  # []
    
  # Multi Line 모드 활성화: 각 줄에서 패턴 매칭
  print(re.findall(pattern, text, re.MULTILINE))  # ['start line1', 'start line2']
  

• 사용 사례: 로그 파일에서 특정 패턴으로 시작하는 각 줄을 추출하거나, 여러 줄에 걸친 코드에서 특정 주석 패턴을 찾을 때 유용합니다.

3. Non-Dotall 모드

• 설명: Non-Dotall 모드는 기본 정규식 동작으로, 점(.)이 줄바꿈 문자(\n)를 제외한 모든 단일 문자를 매칭합니다. 이 모드에서는 줄바꿈을 포함하려면 명시적으로 \n을 패턴에 포함하거나 다른 방법을 사용해야 합니다.
• 특징: Dotall 모드가 활성화되지 않은 상태로, 점(.)은 한 줄 내에서만 작동하며, 멀티라인 텍스트를 처리하려면 줄바꿈을 별도로 처리해야 합니다.
• 예시 (Python):

  import re
  
  text = "Hello\nWorld"
  pattern = r"Hello.*World"
    
  # Non-Dotall 모드: 매칭 실패 (줄바꿈 때문에)
  print(re.search(pattern, text))  # None
    
  # Non-Dotall에서 줄바꿈 명시적 처리
  pattern = r"Hello[\s\S]*World"
  print(re.search(pattern, text))  # <re.Match object; span=(0, 11), match='Hello\nWorld'>
  

• 사용 사례: 줄바꿈을 포함하지 않는 패턴을 엄격히 매칭하거나, 줄바꿈을 명시적으로 제어하고 싶을 때 사용됩니다.

/s, /S, /w, /W, .|\n의 모드별 차이점

정규식에서 특정 문자 클래스와 패턴은 모드에 따라 다르게 동작합니다. 아래는 주요 패턴의 동작을 비교합니다:

패턴	설명	Dotall 모드 동작	Multi Line 모드 동작	Non-Dotall 모드 동작
/s	공백 문자(스페이스, 탭, 줄바꿈 등)를 매칭	줄바꿈(\n) 포함	줄바꿈(\n) 포함	줄바꿈(\n) 포함
/S	공백 문자가 아닌 모든 문자를 매칭	줄바꿈(\n) 포함	줄바꿈(\n) 포함	줄바꿈(\n) 포함
/w	단어 문자(알파벳, 숫자, 언더스코어: [a-zA-Z0-9_])를 매칭	모드에 무관	모드에 무관	모드에 무관
/W	단어 문자가 아닌 모든 문자를 매칭	모드에 무관	모드에 무관	모드에 무관
.|\n	점(.) 또는 줄바꿈(\n)을 명시적으로 매칭	불필요 (.)가 이미 \n 포함	줄바꿈(\n) 명시적 매칭 필요	줄바꿈(\n) 명시적 매칭 필요

• 설명:
  • /s와 /S는 공백 문자와 비공백 문자를 매칭하며, 모든 모드에서 줄바꿈(\n)을 포함합니다.
  • /w와 /W는 단어 문자와 비단어 문자를 매칭하며, 모드에 영향을 받지 않습니다.
  • .|\n은 Non-Dotall 모드에서 줄바꿈을 포함하려는 대안으로 사용되며, Dotall 모드에서는 불필요합니다.
• 예시 (Python, Non-Dotall에서 .|\n 사용):

  import re
  text = "Hello\nWorld"
  pattern = r"Hello(.|\n)*World"
  match = re.search(pattern, text)
  print(match.group())  # Hello\nWorld
  

차이점 요약

모드	점(.) 동작	^와 $ 동작	플래그 (Python)	플래그 (JavaScript)
Dotall (Single Line)	줄바꿈(\n) 포함 모든 문자 매칭	문자열 전체의 시작/끝	re.DOTALL (re.S)	/s
Multi Line	줄바꿈(\n) 제외	각 줄의 시작/끝	re.MULTILINE (re.M)	/m
Non-Dotall	줄바꿈(\n) 제외	문자열 전체의 시작/끝	없음	없음

여러 줄을 표현하는 방법

멀티라인 텍스트를 처리할 때, 정규식에서 여러 줄을 표현하는 주요 방법은 다음과 같습니다:

1. Dotall 모드 활용:
   • 점(.)을 사용해 줄바꿈을 포함한 모든 텍스트 블록을 매칭.
   • 예: .*로 여러 줄을 한 번에 캡처.
   • Python 예시:

     import re
     text = "Line 1\nLine 2\nLine 3"
     pattern = r".*"
     matches = re.findall(pattern, text, re.DOTALL)
     print(matches)  # ['Line 1\nLine 2\nLine 3']
     

2. 줄바꿈 문자(\n) 명시적 사용:
   • 줄바꿈을 명시적으로 패턴에 포함(예: .*\n.*).
   • 예: 두 줄에 걸친 패턴 매칭.

     import re
     text = "Line 1\nLine 2\nLine 3"
     pattern = r".*\n.*"
     matches = re.findall(pattern, text)
     print(matches)  # ['Line 1\nLine 2']
     

3. Multi Line 모드와 ^, $ 활용:
   • 각 줄을 개별적으로 처리.
   • 예: 각 줄의 시작이 특정 단어로 시작하는 경우.

     import re
     text = "apple\nbanana\ncherry"
     pattern = r"^\w+"
     matches = re.findall(pattern, text, re.MULTILINE)
     print(matches)  # ['apple', 'banana', 'cherry']
     

4. Non-Dotall 모드에서 .|\n 활용:
   • 점(.)이 줄바꿈을 포함하지 않으므로, .|\n를 사용해 줄바꿈을 명시적으로 포함.
   • 예: 여러 줄에 걸친 텍스트를 Non-Dotall 모드로 매칭.

     import re
     text = "Line 1\nLine 2\nLine 3"
     pattern = r"Line(.|\n)*3"
     matches = re.findall(pattern, text)
     print(matches)  # ['\n']
     

start로 시작하고 end로 끝나는 멀티라인 패턴

특정 문자열(예: start로 시작하고 end로 끝나는 패턴)을 멀티라인에서 매칭하려면 Dotall 모드 또는 Non-Dotall 모드에서 [\s\S]를 활용합니다. 또한 특정 문자를 포함하거나 포함하지 않는 조건을 추가할 수 있습니다.

1. 기본 패턴: start로 시작하고 end로 끝나는 텍스트

• Dotall 모드 패턴: start.*?end (비탐욕적 매칭).
• Non-Dotall 모드 패턴: start[\s\S]*?end.
• 예시 (Python, Non-Dotall):

  import re
  text = "start middle content\nmore content\nend other text"
  pattern = r"start[\s\S]*?end"
  match = re.search(pattern, text)
  print(match.group())  # start middle content\nmore content\nend
  

2. 특정 문자 포함

• 요구사항: start와 end 사이에 특정 문자(예: keyword)를 포함하며, 여러 블록을 매칭.
• 패턴: Non-Dotall 모드에서는 start(?:(?!end)[\s\S])*?keyword[\s\S]*?end.
• 예시 (Python, Non-Dotall):

  import re
  text = """start first block\nkeyword here\nend
  some text
  start second block\nno keyword\nend
  start third block\nkeyword again\nend"""
  pattern = r"start(?:(?!end)[\s\S])*?keyword[\s\S]*?end"
  matches = re.findall(pattern, text)
  for match in matches:
      print(match)
  

  출력:

  start first block
  keyword here
  end
  start third block
  keyword again
  end
  

3. 특정 문자 포함하지 않음

• 요구사항: start와 end 사이에 특정 문자(예: forbidden)를 포함하지 않으며, 여러 블록을 매칭.
• 패턴: Non-Dotall 모드에서는 start(?:(?!end)[\s\S])*?(?![\s\S]*forbidden)[\s\S]*?end.
• 예시 (Python, Non-Dotall):

  import re
  text = """start first block\nkeyword here\nend
  some text
  start second block\nno keyword\nend
  start third block\nkeyword again\nend
  start fourth block\nforbidden content\nend"""
  pattern = r"start(?:(?!end)[\s\S])*?(?![\s\S]*forbidden)[\s\S]*?end"
  matches = re.findall(pattern, text)
  for match in matches:
      print(match)
  

  출력:

  start first block
  keyword here
  end
  start second block
  no keyword
  end
  start third block
  keyword again
  end
  

기타 활용 사례

정규식의 멀티라인 표현식은 다양한 시나리오에서 활용됩니다. 아래는 몇 가지 실용적인 예시입니다:

1. 로그 파일 분석:
   • 로그 파일에서 특정 에러 메시지가 포함된 블록을 추출.
   • 예: ERROR(.|\n)*?\n로 에러 메시지와 관련된 블록을 Non-Dotall 모드로 추출.

     import re
     text = "INFO: System started\nERROR: Connection failed\nDetails: Timeout\nINFO: System running"
     pattern = r"ERROR(.|\n)*?\n"
     matches = re.findall(pattern, text)
     print(matches)  # ['\n', '\n']
     

2. 코드 주석 추출:
   • 여러 줄 주석(예: /* ... */)을 Non-Dotall 모드로 추출.
   • 예 (JavaScript):

     const text = "code\n/* comment\nmultiline */\nmore code";
     const pattern = /\/\*(.|\n)*?\*\//;
     const matches = text.match(pattern);
     console.log(matches[0]); // /* comment\nmultiline */
     

3. HTML 태그 내용 추출:
   • 특정 태그(예: <div>...</div>)의 내용을 멀티라인에서 추출.
   • 예 (Python, Non-Dotall):

     import re
     text = "<div>\n  Content Line 1\n  Content Line 2\n</div>"
     pattern = r"<div>(.|\n)*?</div>"
     match = re.search(pattern, text)
     print(match.group())  # <div>\n  Content Line 1\n  Content Line 2\n</div>
     

결론

정규식의 멀티라인 표현식은 텍스트 데이터를 다룰 때 강력한 도구입니다. Dotall 모드는 줄바꿈을 포함한 전체 텍스트 블록을 처리하는 데 유용하며, Multi Line 모드는 각 줄의 시작과 끝을 독립적으로 다룰 때 적합합니다. Non-Dotall 모드는 줄바꿈을 명시적으로 처리해야 하며, [\s\S]과 같은 패턴을 사용해 유연성을 제공합니다. /s, /S, /w, /W는 모드에 따라 일관된 동작을 보이며, .|\n은 Non-Dotall 모드에서 줄바꿈을 포함하는 대안입니다. start와 end로 둘러싸인 패턴을 매칭하거나 특정 문자를 포함/제외하는 패턴을 활용하면 복잡한 텍스트 처리 작업을 효율적으로 수행할 수 있습니다.

추가 리소스

• Regular Expressions 101 - 정규식 테스트 및 디버깅 도구
• Python re 모듈 문서
• JavaScript RegExp MDN 문서