특정 단어로 시작하거나/끝나는 문자열을 포함/제외하는 정규 표현식 - Look-around
우선, 검색을 해보면 다음의 Q&A 글이 나오는데요,
Regular expression for a string that does not start with a sequence
; https://stackoverflow.com/questions/899422/regular-expression-for-a-string-that-does-not-start-with-a-sequence
"tbd_"로 시작하지 않는 문자열을 선택하고 싶다는 질문에 대해 별을 382개 받은 표현식을 보면 "negative look-ahead"를 사용해야 한다면서 다음의 식을 제공합니다.
^(?!tbd_).+
실제로 이것은 잘 동작합니다.
string exp = @"^(?!tbd_).+";
Regex urlRegex = new Regex(exp);
Console.WriteLine(urlRegex.IsMatch("tbd_test232")); // False
Console.WriteLine(urlRegex.IsMatch("test232")); // True
Console.WriteLine(urlRegex.IsMatch("232")); // True
좀 더 알아보기 전에 look-around라고 불리는 4가지 용어에 대한 정리가 필요합니다. 이에 대해 다음의 글이 아주 잘 정리해 주고 있는데요,
정규표현식 Lookahead, Lookbehind 기능 이해하기
; https://elvanov.com/2388
Lookahead and lookbehind
; https://javascript.info/regexp-lookahead-lookbehind
첫 번째 글에 각각의 positive/negative, lookahead/lookbehind를 다음과 같은 표 하나로 잘 표현해 주었습니다.
| X(?=Y) |
Positive lookahead |
X 다음에 Y가 있는 경우 |
| X(?!Y) |
Negative lookahead |
X 다음에 Y가 없는 경우 |
| (?<=Y)X |
Positive lookbehind |
Y에 이어 X가 나오는 경우 |
| (?<!Y)X |
Negative lookbehind |
Y 없이 X가 나오는 경우 |
위에서는, ?=, ?!, ?<=, ?<!에 대해 보기 좋게 앞/뒤의 위치를 바꾸고 있지만 실제로는 위치에 상관이 없는 것 같습니다. 일례로,
https://regexr.com/ 사이트에서는 각각의 식 표현을 무조건 앞에다 두고 있으며,
positive lookahead (?=ABC)
negative lookahead (?!ABC)
positive lookbehind (?<=ABC)
negative lookbehind (?<!ABC)
마이크로소프트의 문서에서는,
Regular Expression Language - Quick Reference
; https://learn.microsoft.com/en-us/dotnet/standard/base-types/regular-expression-language-quick-reference
look-around 문법을 다음과 같이 뒤에다 예시를 위치시켜 놓았습니다.
(?= subexpression): Zero-width positive lookahead assertion. - 예제) \b\w+\b(?=.+and.+)
(?! subexpression): Zero-width negative lookahead assertion. - 예제) \b\w+\b(?!.+and.+)
(?<= subexpression): Zero-width positive lookbehind assertion. - 예제) \b\w+\b(?<=.+and.+)
(?<! subexpression): Zero-width negative lookbehind assertion. - 예제) \b\w+\b(?<!.+and.+)
저런 것을 보면, 앞/뒤에 쓰이는 것은 별 상관이 없고 단지, ?=, ?!는 ahead이고, ?<=, ?<!는 behind라고 해석이 되는 듯합니다. (혹시 정확히 이 표현에 대해 아시는 분은 덧글 부탁드립니다. ^^)
그런데, 앞/뒤에 쓰일 수 있다고 해서 해석이 또 같은 것은 아닙니다. 가령 다음의 표현식은 "tbd" 문자열이 뒤에 오지 않는 234를 찾는 표현식인데,
// 이후 https://regexr.com/에서 테스트
입력: /234(?!tbd)/g
예제에서 정규식 일치 텍스트: (4 matches)
tbdtest234
test234
234
234tbd
tbd234
식 표현을 앞에다 두면 이번엔 모든 "234" 문자열이 선택됩니다.
입력: /(?!tbd)234/g
예제에서 정규식 일치 텍스트: (4 matches)
tbdtest234
test234
234
234tbd
tbd234
참... 이것을 어떻게 해석해야 할지 감이 잘 안 오는군요. ^^; 혹시 정규 표현식 도사가 계시다면 덧글 부탁드립니다. ^^
그런데, 혼란스러운 것이 한두 가지가 아닙니다. 예를 들어, "tbd_"로 시작하지 않는 문자열만을 선택하고 싶다는 질문에 대해 Stackoverflow에 있던 답변자가 제시한 해답은 "look-behind"가 아니라 오히려 "look-ahead" 방식의 해답이었습니다.
[negative look-ahead]
^(?!tbd_).+
즉, 의미로 따지자면 "tbd_" 문자열이 뒤에 오지 않는 문자열을 선택하는 것과 같습니다. 그런데 여기서 재미있는 점은, 실제로 저렇게 하면 "앞에 tbd_" 문자열이 없는 것만 선택해 준다는 것입니다. (대신 Multiline 속성을 함께 줘야 합니다.)
입력: /^(?!tbd_).+/gm
예제에서 정규식 일치 텍스트: (3 matches)
tbd_est234
test234
234
234tbd_
tbd_234
오히려 직관적으로는 "시작"의 내용을 제거하는 거니까, "Negative lookahead"가 아닌 "Negative lookbehind"가 맞습니다. 그래서 다음과 같이 정규식을 세우면,
입력: /^(?<!tbd_).+/gm
예제에서 정규식 일치 텍스트: (5 matches)
tbd_est234
test234
234
234tbd_
tbd_234
저렇게 모든 문자열이 선택됩니다. 어허~~~ 뭔 규칙이 저럴까요? ^^;
그렇다고 해서, 저 규칙이 아주 빗나가는 것도 아닙니다. "X"에 해당하는 조건이 ".+"와 같은 경우보다 좀 더 구체적이라면 예상한 대로 문자열 선택이 됩니다. 가령 "tbd_"로 시작하지 않는 234" 문자열을 선택하고 싶다면 다음과 같이 표현식을 테스트할 수 있습니다.
입력: /(?<!tbd_\w*)234/g
예제에서 정규식 일치 텍스트: (3 matches)
tbd_est234
test234
234
234tbd_
tbd_234
그리고, 저 수식은 위치를 바꿔 "234(?<!tbd_\w*)"라고 설정해도 동일하게 나옵니다. 마찬가지로, "뒤에 tbd_가 없는 234" 문자열을 선택하는 것은 이렇게 할 수 있습니다.
입력: /234(?!tbd_\w*)/g
예제에서 정규식 일치 텍스트: (4 matches)
tbd_est234
test234
234
234tbd_
tbd_234
그런데, 이번에는 그 순서를 바꾸면 다음과 같이 선택이 달라집니다.
입력: /(?!tbd_\w*)234/g
예제에서 정규식 일치 텍스트: (5 matches)
tbd_est234
test234
234
234tbd_
tbd_234
한 마디로, 그냥 234 문자열은 모두 선택이 되는데 "(?!tbd_\w*)" 조건을 주는 것이 의미가 없습니다. 저렇게 보면, look-ahead 조건은 뒤에 오는 것이, look-behind 조건은 앞에 오는 것이 맞는 것 같습니다.
이 외에도, "
정규 표현식 Lookahead, Lookbehind 기능 이해하기" 글에 lookaround의 규칙이 "결과가 소모되지 않는다"라는 설명을 하고 있으니, 이에 대해 모르시는 분은 꼭 저 글을 읽어보시고 이참에 눈에 익혀 두시는 것을 권장합니다. ^^
참고로, C#의 코딩 결과도 regexr.com과 (위의 예제 중 이해할 수 없는 동작들까지 모두) 동일합니다. 그런 걸로 봐서는 뭔가 체계적으로 정규 표현식을 접근하면 저 이상한 규칙들이 자연스럽게 해석될 수 있을 듯한데... 일단 이번엔 필요한 정규 표현식은 얻었으니 여기까지만! ^^
[이 글에 대해서 여러분들과 의견을 공유하고 싶습니다. 틀리거나 미흡한 부분 또는 의문 사항이 있으시면 언제든 댓글 남겨주십시오.]