워밍업: 이런 적 있으시죠?

회사에서 이런 상황 겪어보신 적 있나요?

• 고객 명단 엑셀 파일에 이메일 주소가 뒤죽박죽 섞여있어요
• PDF 계약서에서 연락처만 골라내야 하는데 페이지가 100장이에요
• "영문+숫자+특수문자 포함" 비밀번호 규칙을 자동으로 체크하고 싶어요

이럴 때 정규표현식이 유용하게 쓸 수 있어요.

---

정규표현식으로 이메일 주소 찾기 - Ctrl+F는 이제 그만!

100페이지짜리 계약서에서 이메일 주소만 찾아내야 한다고 상상해보세요. Ctrl+F로 일일이 찾으면 1시간, 정규표현식을 쓰면? 빠르게 완료됩니다.

왜 정규표현식을 배워야 할까?

회사에서 이런 상황을 겪어본 적 있나요?

• 고객 명단 엑셀 파일에 이메일 주소가 뒤죽박죽 섞여있어요
• PDF 계약서에서 연락처만 골라내야 하는데 페이지가 100장이에요
• "영문+숫자+특수문자 포함" 비밀번호 규칙을 자동으로 체크하고 싶어요

이럴 때 정규표현식(Regular Expression, Regex)이 유용하게 쓸 수 있어요. 엑셀의 "찾기" 기능보다 강력하고, 반복 작업을 크게 줄여줄 수 있어요.

실생활에서 이렇게 써요

회사 업무:

• 영업팀: 고객 리스트 1,000건에서 이메일만 자동 추출
• 인사팀: 이력서 PDF에서 전화번호 수집
• 개발팀: 사용자 입력값이 형식에 맞는지 자동 검증

일상생활:

• 명함 사진에서 연락처만 골라내기
• 웹페이지에서 모든 링크 주소 한번에 수집
• 카드번호를 "1234-****-****-5678" 형식으로 마스킹

---

1. 정규표현식이 뭔가요?

일일이 찾기 vs 패턴으로 찾기

100페이지 문서에서 이메일을 찾는다고 해봐요.

방법 1: Ctrl+F로 일일이 찾기

1. "gmail.com" 검색 → 복사
2. "naver.com" 검색 → 복사
3. "daum.net" 검색 → 복사
...
→ 1시간 소요

방법 2: 정규표현식으로 패턴 찾기

import re
pattern = r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}'
emails = re.findall(pattern, text)
→ 완료!

정규표현식은 "이메일 주소처럼 생긴 것"이라는 패턴을 컴퓨터에게 알려주는 방법이에요. 그럼 컴퓨터가 자동으로 찾아줘요.

---

2. Python re 모듈 3총사

Python에는 정규표현식을 다루는 re 모듈이 있어요. 여기서 가장 자주 쓰는 함수 3개를 알아볼게요.

match() - "~로 시작하는가?"

텍스트가 처음부터 패턴과 일치하는지 확인해요.

import re

text1 = "010-1234-5678입니다"
text2 = "전화번호는 010-1234-5678"

pattern = r'd{3}-d{4}-d{4}'

# text1: 처음부터 전화번호로 시작 → 찾음!
result1 = re.match(pattern, text1)
print(result1)  # <re.Match object> → 찾음!

# text2: 처음이 "전화번호는"으로 시작 → 못 찾음
result2 = re.match(pattern, text2)
print(result2)  # None → 못 찾음

언제 쓸까?

• 사용자 입력이 형식에 맞는지 처음부터 확인할 때
• 예: "010으로 시작하는 전화번호만 받을게요"

search() - "어딘가에 있는가?"

텍스트 전체에서 패턴을 찾아요. 처음 발견한 것만 반환합니다.

text = "제 번호는 010-1234-5678이고, 회사는 02-123-4567입니다"

# 첫 번째 전화번호만 찾음
result = re.search(pattern, text)
print(result.group())  # 010-1234-5678

언제 쓸까?

• 긴 문서에서 첫 번째로 등장하는 패턴만 찾을 때
• 예: "이 문서에 이메일이 하나라도 있나요?"

findall() - "전부 찾아줘!"

텍스트에서 패턴과 일치하는 모든 것을 리스트로 반환해요.

text = "제 번호는 010-1234-5678이고, 회사는 02-123-4567입니다"

# 모든 전화번호 찾기
result = re.findall(pattern, text)
print(result)  # ['010-1234-5678', '02-123-4567']

언제 쓸까?

• 문서에서 모든 패턴을 한번에 수집할 때
• 예: "고객 리스트에서 모든 이메일 주소 뽑아줘"

---

3. 이메일 주소 패턴 만들기

이메일 주소는 어떻게 생겼나요?

user.name@company.co.kr

크게 3부분으로 나눠요:

1. 사용자명 (user.name)
2. @ 기호
3. 도메인 (company.co.kr)

이걸 정규표현식으로 표현하면?

패턴 뜯어보기

pattern = r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}'

1부분: 사용자명 [a-zA-Z0-9._%+-]+

• [...]: 이 안의 문자 중 하나
• a-zA-Z: 영문 소문자, 대문자
• 0-9: 숫자
• ._%+-: 특수문자 (점, 밑줄, 퍼센트, 플러스, 하이픈)
• +: 1개 이상 반복

2부분: @ 기호 @

• 그냥 @ 있어야 해요

3부분: 도메인 [a-zA-Z0-9.-]+

• 영문, 숫자, 점, 하이픈 조합

4부분: 최상위 도메인 .[a-zA-Z]{2,}

• .: 점 (.는 특수문자라서 로 이스케이프)
• [a-zA-Z]{2,}: 영문 2글자 이상 (com, kr, net 등)

---

4. 실전 예제 1: 이메일 주소 추출하기

이제 진짜 써볼게요!

import re

# 여러 이메일이 섞인 텍스트
text = """
연락처 정보:
- 대표 이메일: contact@example.com
- 고객센터: support@company.co.kr
- 잘못된 형식: notanemail@
- 개인 메일: user.name@domain.com
- 또 잘못된 것: @nodomain.com
"""

# 이메일 패턴
pattern = r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}'

# 모든 이메일 찾기
emails = re.findall(pattern, text)

print("찾은 이메일:")
for email in emails:
    print(f"  {email}")

print(f"
총 {len(emails)}개 이메일 발견!")

실행 결과:

찾은 이메일:
  contact@example.com
  support@company.co.kr
  user.name@domain.com

총 3개 이메일 발견!

Q. 잘못된 형식은 왜 안 잡혔나요?

• notanemail@ → 도메인이 없어서 제외
• @nodomain.com → 사용자명이 없어서 제외

패턴이 정확히 "이메일처럼 생긴 것"만 찾아내요!

---

5. 실전 예제 2: 도메인별로 그룹화하기

회사별로 이메일을 분류하고 싶다면?

import re
from collections import defaultdict

text = """
고객 리스트:
- 홍길동: hong@gmail.com
- 김철수: kim.cs@naver.com
- 이영희: lee_yh@gmail.com
- 박민수: park@company.co.kr
- 최지훈: choi@naver.com
- 정수진: jung123@daum.net
- 강태양: kang@gmail.com
"""

# 1단계: 모든 이메일 찾기
pattern = r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}'
emails = re.findall(pattern, text)

# 2단계: 도메인별로 그룹화
domain_groups = defaultdict(list)
for email in emails:
    domain = email.split('@')[1]  # @ 뒤가 도메인
    domain_groups[domain].append(email)

# 3단계: 결과 출력
print("도메인별 이메일 그룹")
print("=" * 50)

for domain, email_list in sorted(domain_groups.items()):
    print(f"
{domain} ({len(email_list)}개)")
    for email in email_list:
        print(f"   {email}")

print(f"
총 {len(emails)}개 이메일, {len(domain_groups)}개 도메인")

실행 결과:

실무에서는?

• 고객 리스트를 회사별로 분류
• Gmail 사용자에게만 따로 메일 발송
• 도메인별 통계 집계 (gmail이 가장 많네요!)

---

6. 보너스 예제: 전화번호 찾기

이메일을 배웠으니 전화번호도 찾을 수 있어요!

한국 전화번호는 여러 형식이 있죠?

• 010-1234-5678 (하이픈)
• 010.1234.5678 (점)
• 010 1234 5678 (공백)
• 01012345678 (형식 없음)

모든 형식을 한번에 찾는 통합 패턴:

import re

text = """
고객 연락처:
- 김철수: 010-1234-5678 (개인)
- 이영희: 010.9876.5432 (회사)
- 박민수: 02-123-4567 (사무실)
- 최지훈: 031-456-7890 (집)
- 정수진: 01012345678 (형식 없음)
- 강태양: 010 1111 2222 (공백)
"""

# 통합 패턴: 하이픈, 점, 공백 모두 허용
pattern = r'd{2,3}[-.s]?d{3,4}[-.s]?d{4}'

phones = re.findall(pattern, text)

print("찾은 전화번호:")
for phone in phones:
    print(f"   {phone}")

print(f"
총 {len(phones)}개 전화번호 추출!")

실행 결과:

패턴 설명:

• d{2,3}: 숫자 2~3개 (지역번호 02, 010, 031 등)
• [-.s]?: 하이픈, 점, 공백 중 0개 또는 1개 (?는 선택)
• d{3,4}: 숫자 3~4개 (중간번호)
• [-.s]?: 또 구분자 (선택)
• d{4}: 숫자 4개 (마지막번호)

---

7. 이제 할 수 있어요!

이 글을 읽고 나면 이런 걸 할 수 있어요:

1. 자동 데이터 추출

• 100페이지 PDF에서 이메일 1초 만에 추출
• 명함 사진에서 전화번호 자동 수집
• 계약서에서 URL 주소만 골라내기

2. 입력 검증

• "이메일 형식이 맞나요?" 자동 확인
• 비밀번호 규칙 체크 (영문+숫자+특수문자)
• 전화번호 형식 통일 (모두 010-1234-5678로 변환)

3. 데이터 정제

• 카드번호 마스킹 (1234-****-****-5678)
• 개인정보 비식별화
• 불필요한 공백, 특수문자 제거

---

정리하며

정규표현식은 처음엔 암호처럼 보이지만, 익숙해지면 엑셀보다 훨씬 강력한 도구가 됩니다.

이 글에서 배운 것:

1. 정규표현식 기본 개념
   • 패턴으로 찾기 vs 일일이 찾기
   • 1시간 작업을 1초로 단축
2. re 모듈 3총사
   • match(): 처음부터 일치하나?
   • search(): 어딘가에 있나?
   • findall(): 전부 찾아줘!
3. 실전 패턴 만들기
   • 이메일: [a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}
   • 전화번호: d{2,3}[-.s]?d{3,4}[-.s]?d{4}
4. 실무 활용
   • 데이터 추출, 입력 검증, 정보 마스킹

다음 시리즈 예고:

지금까지 벡터 수학과 데이터 처리를 배웠어요. 다음에는 이 데이터들을 멋진 그래프로 시각화하는 방법을 알아볼 거예요.

막대 그래프, 꺾은선 그래프, 히트맵까지! Python으로 엑셀보다 더 예쁜 차트 만드는 법, 기대해주세요!

---

연습 과제:

1. 자신의 이메일 받은편지함에서 모든 발신자 주소 추출하기
2. 웹페이지 HTML에서 모든 링크(URL) 찾기
3. 주민등록번호 패턴 만들기 (단, 실제 번호는 절대 수집하지 마세요!)

정규표현식, 생각보다 어렵지 않죠? 이제 정규표현식을 사용할 수 있어요!