[정규표현식 활용] 텍스트 분리 예제

안녕하세요! 빅톨입니다 :)

이번 포스팅에서는 구글 스프레드시트의 강력한 기능인 정규표현식(regexextract 함수)을 활용하는 예제를 보여드리겠습니다. 구글시트의 정규표현식 기능을 처음 접하신다면 [구글스프레드시트] 정규표현식 포스팅을 참고해주세요!

 

---

 

업무나 연구를 하다 보면 특정한 규칙에 의해서 결합된 문장 혹은 글들을 분리해야 하는 상황이 발생합니다. 예를 들어 선행연구 조사 리스트가 다음과 같은 형태로 정리되어 있다고 가정해 보겠습니다.

선행연구들이 "논문제목. [연도]. 저널이름." 의 규칙으로 정리되어 있는 것을 확인할 수 있습니다.

 

구글시트에서는 정규표현식을 활용하여 위 텍스트들을 간편하게 분리할 수 있습니다.

우선 위 규칙에 따라 논문제목, 연도, 저널이름을 추출하기 위한 정규표현식을 작성해야 합니다.

 

위 예제의 경우에는 ^(.*)\.\s\[(.*?)\]\.\s(.*?)\.$ <- 이렇게 작성하면 됩니다. 좀 더 직관적으로 확인해보기 위해 https://regexper.com/ 에서 도식화를 해보면 다음과 같습니다.

출처: regexper.com

즉, 문장의 시작~첫번째 마침표 직전까지를 첫번째 그룹(논문제목)으로, 대괄호 사이를 두번째 그룹(연도)으로, 마지막으로 대괄호 뒤에 한칸 띄우고 나서부터 마침표까지를 세번째 그룹(저널이름)으로 추출하는 정규표현식입니다.

 

이제 https://regex101.com/ 에서 한번 테스트를 해보겠습니다.

출처: regex101.com

위칸에 작성한 정규표현식을 넣고, 아래칸에 테스트하고자 하는 문구를 적으면 우측에 결과를 보여줍니다. 그룹1에 논문제목, 그룹2에 연도, 그룹3에 저널이름이 잘 추출된 것을 확인할 수 있습니다.

 

이제 구글 스프레드시트에 한번 적용해보겠습니다.

A열에 원본 텍스트가 있는 상황에서 B열에 =REGEXEXTRACT(분리할 문자열, "정규표현식")을 적어주면 B, C, D 열에 각 그룹이 분리되어 들어가게 됩니다. 

 

정규표현식만 작성할 줄 안다면 정말 편리하게 해당 기능을 활용할 수 있습니다. 물론 정규표현식을 처음 익히는데 시간이 들긴 하지만 한번만 익혀두시면 훨씬 더 많은 시간을 절약할 수 있습니다.

 

다음에도 유용한 팁, 예제로 돌아오겠습니다!

감사합니다~