정규식

정규식 (Regular Expressions)

DuckDB는 [패턴 매칭 연산자]({% link docs/current/sql/functions/pattern_matching.md %}) ([LIKE]({% link docs/current/sql/functions/pattern_matching.md %}#like), [SIMILAR TO]({% link docs/current/sql/functions/pattern_matching.md %}#similar-to), [GLOB]({% link docs/current/sql/functions/pattern_matching.md %}#glob))뿐만 아니라 함수를 통한 정규식 지원도 제공해요.

출처: 문서

본문

정규식 문법 (Regular Expression Syntax)

DuckDB는 RE2 라이브러리를 정규식 엔진으로 사용해요. 정규식 문법에 대해서는 RE2 문서를 참고해요.

함수 (Functions)

모든 함수는 선택적 옵션 집합을 받아요.

이름	설명
`regexp_extract(string, pattern[, group = 0][, options])`	`string`이 정규식 `pattern`을 포함하면 선택적 파라미터 `group`이 지정한 캡처링 그룹을 반환하고, 그렇지 않으면 빈 문자열을 반환해요. `group`은 상수 값이어야 해요. `group`이 없으면 기본값 0이에요. 선택적 `options` 집합을 설정할 수 있어요.
`regexp_extract(string, pattern, name_list[, options])`	`string`이 정규식 `pattern`을 포함하면 `name_list`의 이름에 대응하는 캡처링 그룹들을 struct로 반환하고, 그렇지 않으면 같은 키와 빈 문자열 값을 가진 struct를 반환해요.
`regexp_extract_all(string, regex[, group = 0][, options])`	`string`에서 `regex`의 겹치지 않는 발생을 찾고 `group`에 해당하는 값을 반환해요.
`regexp_extract_all(string, regex, name_list[, options])`	`string`에서 `regex`의 겹치지 않는 발생을 찾고 `name_list`의 이름에 대응하는 캡처링 그룹들을 struct 리스트로 반환해요.
`regexp_full_match(string, regex[, options])`	전체 `string`이 `regex`와 일치하면 `true`를 반환해요.
`regexp_matches(string, pattern[, options])`	`string`이 정규식 `pattern`을 포함하면 `true`, 그렇지 않으면 `false`를 반환해요.
`regexp_replace(string, pattern, replacement[, options])`	`string`이 정규식 `pattern`을 포함하면 매치된 부분을 `replacement`로 교체해요. 기본적으로 첫 번째 발생만 교체돼요. 전역 플래그 `g`를 포함한 선택적 `options` 집합을 설정할 수 있어요.
`regexp_split_to_array(string, regex[, options])`	`string_split_regex`의 별칭이에요. `regex`를 따라 `string`을 분할해요.
`regexp_split_to_table(string, regex[, options])`	`regex`를 따라 `string`을 분할하고 각 부분에 대해 행을 반환해요.

`regexp_extract(string, pattern[, group = 0][, options])`

| 설명 | string이 정규식 pattern을 포함하면 선택적 파라미터 group이 지정한 캡처링 그룹을 반환하고, 그렇지 않으면 빈 문자열을 반환해요. group은 상수 값이어야 해요. group이 없으면 기본값 0이에요. 선택적 options 집합을 설정할 수 있어요. | | 예시 | regexp_extract('abc', '([a-z])(b)', 1) | | 결과 | a |

`regexp_extract(string, pattern, name_list[, options])`

| 설명 | string이 정규식 pattern을 포함하면 name_list의 이름에 대응하는 캡처링 그룹들을 struct로 반환하고, 그렇지 않으면 같은 키와 빈 문자열 값을 가진 struct를 반환해요. 선택적 options 집합을 설정할 수 있어요. | | 예시 | regexp_extract('2023-04-15', '(\d+)-(\d+)-(\d+)', ['y', 'm', 'd']) | | 결과 | {'y':'2023', 'm':'04', 'd':'15'} |

`regexp_extract_all(string, regex[, group = 0][, options])`

| 설명 | string에서 regex의 겹치지 않는 발생을 찾고 group에 해당하는 값을 반환해요. 선택적 options 집합을 설정할 수 있어요. | | 예시 | regexp_extract_all('Peter: 33, Paul:14', '(\w+):\s*(\d+)', 2) | | 결과 | [33, 14] |

`regexp_extract_all(string, regex, name_list[, options])`

| 설명 | string에서 regex의 겹치지 않는 발생을 찾고 name_list의 이름에 대응하는 캡처링 그룹들을 struct 리스트로 반환해요. 선택적 options 집합을 설정할 수 있어요. | | 예시 | regexp_extract_all('Peter: 33, Paul: 14', '(\w+):\s*(\d+)', ['name', 'age']) | | 결과 | [{'name': Peter, 'age': 33}, {'name': Paul, 'age': 14}] |

`regexp_full_match(string, regex[, options])`

| 설명 | 전체 string이 regex와 일치하면 true를 반환해요. 선택적 options 집합을 설정할 수 있어요. | | 예시 | regexp_full_match('anabanana', '(an)*') | | 결과 | false |

`regexp_matches(string, pattern[, options])`

| 설명 | string이 정규식 pattern을 포함하면 true, 그렇지 않으면 false를 반환해요. 선택적 options 집합을 설정할 수 있어요. | | 예시 | regexp_matches('anabanana', '(an)*') | | 결과 | true |

`regexp_replace(string, pattern, replacement[, options])`

| 설명 | string이 정규식 pattern을 포함하면 매치된 부분을 replacement로 교체해요. 기본적으로 첫 번째 발생만 교체돼요. 전역 플래그 g를 포함한 선택적 options 집합을 설정할 수 있어요. | | 예시 | regexp_replace('hello', '[lo]', '-') | | 결과 | he-lo |

`regexp_split_to_array(string, regex[, options])`

| 설명 | string_split_regex의 별칭이에요. regex를 따라 string을 분할해요. 선택적 options 집합을 설정할 수 있어요. | | 예시 | regexp_split_to_array('hello world; 42', ';? ') | | 결과 | ['hello', 'world', '42'] |

`regexp_split_to_table(string, regex[, options])`

| 설명 | regex를 따라 string을 분할하고 각 부분에 대해 행을 반환해요. 선택적 options 집합을 설정할 수 있어요. | | 예시 | regexp_split_to_table('hello world; 42', ';? ') | | 결과 | 세 행: 'hello', 'world', '42' |

regexp_matches 함수는 SIMILAR TO 연산자와 비슷하지만, 전체 문자열이 일치할 것을 요구하지 않아요. 대신 regexp_matches는 문자열이 패턴을 포함하기만 하면 true를 반환해요 (정규식을 문자열의 시작과 끝에 고정하는 특수 토큰 ^와 $를 사용하지 않는 한). 몇 가지 예를 볼게요:

SELECT regexp_matches('abc', 'abc');       -- true
SELECT regexp_matches('abc', '^abc$');     -- true
SELECT regexp_matches('abc', 'a');         -- true
SELECT regexp_matches('abc', '^a$');       -- false
SELECT regexp_matches('abc', '.*(b|d).*'); -- true
SELECT regexp_matches('abc', '(b|c).*');   -- true
SELECT regexp_matches('abc', '^(b|c).*');  -- false
SELECT regexp_matches('abc', '(?i)A');     -- true
SELECT regexp_matches('abc', 'A', 'i');    -- true

정규식 함수 옵션 (Options for Regular Expression Functions)

정규식 함수는 다음 options를 지원해요.

옵션	설명
`'c'`	대소문자 구분 매칭
`'i'`	대소문자 구분 없는 매칭
`'l'`	정규식 토큰 대신 리터럴 매칭
`'m'`, `'n'`, `'p'`	개행 구분 매칭
`'g'`	전역 교체, `regexp_replace`에서만 사용 가능
`'s'`	개행 구분 없는 매칭

예를 들어:

SELECT regexp_matches('abcd', 'ABC', 'c'); -- false
SELECT regexp_matches('abcd', 'ABC', 'i'); -- true
SELECT regexp_matches('ab^/$cd', '^/$', 'l'); -- true
SELECT regexp_matches(E'hello\nworld', 'hello.world', 'p'); -- false
SELECT regexp_matches(E'hello\nworld', 'hello.world', 's'); -- true

`regexp_matches` 사용

regexp_matches 연산자는 가능하면 LIKE 연산자로 최적화돼요. 최고 성능을 얻으려면 해당되는 경우 'c' 옵션(대소문자 구분 매칭)을 전달해야 해요. 기본적으로 RE2 라이브러리는 . 문자를 개행과 매치하지 않아요.

원본	최적화된 동등 형태
`regexp_matches('hello world', '^hello', 'c')`	`prefix('hello world', 'hello')`
`regexp_matches('hello world', 'world$', 'c')`	`suffix('hello world', 'world')`
`regexp_matches('hello world', 'hello.world', 'c')`	`LIKE 'hello_world'`
`regexp_matches('hello world', 'he.*rld', 'c')`	`LIKE '%he%rld'`

`regexp_replace` 사용

regexp_replace 함수는 정규식 패턴과 일치하는 문자열 부분을 교체 문자열로 바꾸는 데 사용해요. 교체 문자열에서 정규식으로 캡처된 그룹을 참조하려면 \d 표기법(d는 그룹을 나타내는 숫자)을 사용할 수 있어요. 기본적으로 regexp_replace는 정규식의 첫 번째 발생만 교체한다는 점을 참고해요. 모든 발생을 교체하려면 전역 교체(g) 플래그를 사용해요.

regexp_replace 사용 예시:

SELECT regexp_replace('abc', '(b|c)', 'X');        -- aXc
SELECT regexp_replace('abc', '(b|c)', 'X', 'g');   -- aXX
SELECT regexp_replace('abc', '(b|c)', '\1\1\1\1'); -- abbbbc
SELECT regexp_replace('abc', '(.*)c', '\1e');      -- abe
SELECT regexp_replace('abc', '(a)(b)', '\2\1');    -- bac

`regexp_extract` 사용

regexp_extract 함수는 정규식 패턴과 일치하는 문자열의 일부를 추출하는 데 사용해요. 패턴 내 특정 캡처링 그룹은 group 파라미터로 추출할 수 있어요. group을 지정하지 않으면 기본값 0으로, 전체 패턴으로 첫 번째 매치를 추출해요.

SELECT regexp_extract('abc', '.b.');           -- abc
SELECT regexp_extract('abc', '.b.', 0);        -- abc
SELECT regexp_extract('abc', '.b.', 1);        -- (empty)
SELECT regexp_extract('abc', '([a-z])(b)', 1); -- a
SELECT regexp_extract('abc', '([a-z])(b)', 2); -- b

regexp_extract 함수는 name_list 인자도 지원하는데, 이는 문자열의 LIST예요. name_list를 사용하면 regexp_extract가 해당 캡처 그룹들을 STRUCT의 필드로 반환해요:

SELECT regexp_extract('2023-04-15', '(\d+)-(\d+)-(\d+)', ['y', 'm', 'd']);

{'y': 2023, 'm': 04, 'd': 15}

SELECT regexp_extract('2023-04-15 07:59:56', '^(\d+)-(\d+)-(\d+) (\d+):(\d+):(\d+)', ['y', 'm', 'd']);

{'y': 2023, 'm': 04, 'd': 15}

SELECT regexp_extract('duckdb_0_7_1', '^(\w+)_(\d+)_(\d+)', ['tool', 'major', 'minor', 'fix']);

Binder Error:
Not enough group names in regexp_extract

열 이름의 개수가 캡처 그룹의 개수보다 적으면 첫 번째 그룹들만 반환돼요. 열 이름의 개수가 더 많으면 오류가 생성돼요.

제한 사항 (Limitations)

정규식은 캡처 그룹 9개만 지원해요: \1, \2, \3, ..., \9. 두 자리 이상의 캡처 그룹은 지원되지 않아요.

더 알아보기 (Learn more)

패턴 매칭 연산자 전반에 대해서는 [Pattern Matching]({% link docs/current/sql/functions/pattern_matching.md %}) 문서를 참고해요.

정규식

정규식 (Regular Expressions)

본문

정규식 문법 (Regular Expression Syntax)

함수 (Functions)

regexp_extract(string, pattern[, group = 0][, options])

regexp_extract(string, pattern, name_list[, options])

regexp_extract_all(string, regex[, group = 0][, options])

regexp_extract_all(string, regex, name_list[, options])

regexp_full_match(string, regex[, options])

regexp_matches(string, pattern[, options])

regexp_replace(string, pattern, replacement[, options])

regexp_split_to_array(string, regex[, options])

regexp_split_to_table(string, regex[, options])