> ## Documentation Index
> Fetch the complete documentation index at: https://www.octoparse.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# 정규식으로 데이터 다듬기

> 스크래핑한 원시 값에는 통화 기호, 여러 전화번호 형식, 제각각인 날짜가 섞여 있습니다. 이를 정리하는 정규식과 Octoparse AI 생성 기능을 알아보세요.

스크래핑한 원시 데이터는 그대로 사용하기 어려운 경우가 많습니다. [선택자](/docs/ko/academy/xpath-css-selectors)가 값을 찾아도 문자열에는 불필요한 내용이 섞일 수 있습니다. 가격에는 통화 기호와 공백, 뒤따르는 문구가 붙고 전화번호는 한 사이트에서도 여러 형식으로 표시됩니다. 날짜도 "May 15, 2026"과 "2026-05-15"처럼 달라질 수 있습니다. \*\*정규식(regex)\*\*은 이런 텍스트를 정리·추출·변환해 일관된 구조화 필드로 만드는 표준 도구입니다.

정규식은 원하는 텍스트 형태를 패턴으로 정의합니다. 엔진이 문자열을 스캔해 일치 항목을 찾고 추출하거나 바꿉니다. 모든 문법과 예외를 익히지 않아도 몇 가지 일반 패턴만으로 대부분의 스크래핑 정리 작업을 처리할 수 있습니다.

## 일반적인 정리 패턴

소규모의 재사용 패턴 모음으로 대부분의 실제 사례를 처리할 수 있습니다.

* **가격.** `\[\d,.]+`는 쉼표와 소수점이 포함된 숫자 값을 캡처하면서 통화 기호와 주변 텍스트를 제거합니다. `\(\d{1,3}(?:,\d{3})*(?:\.\d{2})?)`로 다듬으면 `1,299.99` 같은 표준 형식을 더 정확히 찾습니다.
* **전화번호.** `\(?\d{3}\)?[-.\s]?\d{3}[-.\s]?\d{4}`는 괄호가 있거나 없고 대시, 점 또는 공백으로 구분된 일반적인 미국 형식을 처리합니다.
* **이메일.** `\[\w.+-]+@\[\w-]+\.\[\w.]+`는 대부분의 표준 이메일 주소를 찾는 대표적인 정규식입니다.
* **날짜.** `\d{4}-\d{2}-\d{2}`는 ISO 형식을, `\w+ \d{1,2}, \d{4}`는 `May 15, 2026` 형식의 문자열을 찾습니다.
* **HTML 태그 제거.** `<[^>]+>`는 문자열에서 태그를 제거합니다.
* **공백 정규화.** `\s+`는 연속된 공백을 하나로 줄입니다.

## 실용적인 팁

* **실제 샘플로 테스트하세요.** 실제 페이지에는 이상적인 예시에 없는 예외가 있으므로 신뢰하기 전에 대상 사이트의 출력으로 패턴을 실행하세요.
* **비탐욕 수량자(`*?`, `+?`)를 사용하세요.** 짧은 일치와 긴 일치가 모두 가능하면 기본 `*`와 `+`는 가장 긴 항목을 선택하므로 원하지 않는 결과가 나올 수 있습니다.
* **캡처 그룹을 사용하세요.** 괄호 `()`를 사용하면 더 큰 일치 항목에서 필요한 부분만 추출할 수 있습니다.
* **로케일 예외를 확인하세요.** 미국식 가격(`1,299.99`)용 정규식은 쉼표와 점의 역할이 반대인 유럽식 숫자(`1.299,99`)에서 잘못 작동합니다. 날짜, 전화번호, 소수 표기에도 같은 문제가 있습니다.

## Octoparse의 접근 방식

정규식은 작성하기 어렵고 읽기는 더 어렵다는 평판이 있습니다. 복잡한 패턴은 알아보기 힘들며 작은 실수로 잘못된 데이터가 조용히 일치하거나 유효한 항목을 놓칠 수 있습니다. 문제는 충돌이 아니라 훨씬 뒤의 처리 단계에서야 발견되는 데이터 손상입니다.

Octoparse는 정규식 지원을 추출 워크플로에 직접 포함합니다. 사용자는 스크래핑한 모든 필드에 **후처리 단계**로 정규식 변환을 적용해 별도 스크립트 없이 내보내기 전에 데이터를 정리하고 변환할 수 있습니다. 패턴, 적용 필드 및 정리된 결과가 모두 같은 작업 정의 안에 있습니다.

정규식을 처음부터 작성하기 어려운 사용자를 위해 **AI 지원 정규식 생성**도 제공합니다. 페이지에서 비슷한 요소를 강조하면 AI가 예시의 패턴을 분석해 일치하는 정규식을 자동 생성합니다. 플랫폼 안에서 실제 스크래핑 데이터로 테스트하고 일치 결과를 확인한 뒤 필요하면 조정할 수 있습니다. AI가 문법을 처리하고 사용자는 결과를 검증합니다.

이 방식은 빈 화면에서 패턴을 작성하는 비용과 실제 데이터에서 의도대로 작동하는지 확인하는 비용을 모두 줄입니다. 두 작업이 별도 엔지니어링 과제가 아니라 시각적 편집기 안에서 처리됩니다.

## 핵심 정리

대부분의 프로젝트에는 매우 복잡한 정규식이 필요하지 않습니다. 가격, 이메일, 날짜, 전화번호 및 공백 정리용 재사용 패턴만으로도 대부분의 작업을 처리할 수 있습니다. 정확히 일치하는 범위에서 패턴을 최대한 단순하게 유지하고 장기적으로 스크래퍼를 관리한다면 문서화하며 문법이 복잡해질 때 AI 생성을 활용하세요. 목표는 깨끗하고 일관된 결과이며 정규식은 이를 위한 수단입니다.