정규표현식 [7] 역참조

예제 코드는 모두 Java 언어를 사용한다.

---

한 문장이 있고, 이 문장 안에 반복해 나오는 문자, 바로 실수로 같은 단어를 두 번 입력한 오자를 모두 찾고 싶다고 가정해보자.

두 단어가 일치하는지 알려면 먼저 나온 단어가 무엇인지 반드시 알고 있어야 한다.

역참조는 정규 표현식 패턴으로, 앞서 일치한 부분을 다시 가리킨다.

(먼저 일치한 단어를 만한다.)

다음 예제에는 반복해 나오는 단어가 세 가지 있고, 이 세 단어를 모두 찾아야 한다.

public class code {
    public static void main(String[] args) {
        String regex = "[ ]+(\\\\w+)[ ]+\\\\1";
        Pattern pattern = Pattern.compile(regex);

        String[] strs = {
                "This is a block of of text,",
                "several words here are are,",
                "repeated, and and they,",
                "should not be."
        };

        int count = 1;
        for(String str : strs) {
            Matcher matcher = pattern.matcher(str);
            while(matcher.find()) {
                System.out.println(count++ + ". : " + matcher.group());
            }
        }
    }
}
/*
1. :  of of
2. :  are are
3. :  and and
*/

위 패턴에 대해 분석해보자.

• [ ]+ : 공백이 하나 이상 연속되는 경우 일치
• \w+ : 영숫자 문자가 하나 이상 연속되는 경우 일치
• [ ]+ : 그 뒤에 공백이 있을 때 일치한다.
• \1 : 앞서 일치한 하위 표현식(\w+)을 참조함을 의미한다.

여기서 \w+를 괄호로 감싸 하위 표현식으로 만들었음에 주목하자.

여기서는 나중에 일치한 부분을 사용할 수 있도록 표시하여 구별하고자 하위 표현식을 사용했다.

\1은 정확히 패턴에서 처음 사용한 하위 표현식과 일치한다는 뜻이다.

\2는 두 번째, 그리고 \3은 세 번째 사용한 하위 표현식과 일치하는 식이다.

자바에서는 위 코드처럼 group이라는 이름의 배열이 포함된 결과 객체를 반환한다.

역참조를 사용해서 짝이 맞지 않는 헤더 태그는 무시하고 시작 태그와 일치하는 종료 태그를 찾는 패턴을 만들어보자.

public class code {
    public static void main(String[] args) {
        String regex = "<[hH]([1-6])>.*?</[hH]\\\\1>";
        Pattern pattern = Pattern.compile(regex);

        String[] strs = {
                "<h1> eric h1 test </h1>",
                "<H1> eric h1? h2? test </h2>",
                "<H3> eric h3 test </h3>",
                "the end."
        };

        int count = 0;
        for(String str : strs) {
            Matcher matcher = pattern.matcher(str);
            count++;
            while(matcher.find()) {
                System.out.println(count + ". : " + matcher.group());
            }

        }
    }
}
/*
1. : <h1> eric h1 test </h1>
3. : <H3> eric h3 test </h3>
*/