Learn AI with Python · 강의

정규 표현식을 활용한 인공지능용 텍스트 정제

HTML 태그, 구두점, URL, 이메일을 제거하고 텍스트 전처리 함수를 구축합니다.

레슨 4/413개 단계

정규 표현식을 활용한 인공지능용 텍스트 정제은(는) CoddyKit의 무료 Learn AI with Python 강의입니다. 이것은 4개 중 4번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Learn AI with Python 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Learn AI with Python 강의에는 총 4개의 강의가 포함되어 있습니다.

AI를 위해 텍스트를 정제하는 이유

웹에서 가져온 원시 텍스트에는 HTML 태그, URL, 이메일, 불필요한 공백과 특수 문자가 가득합니다. 이를 그대로 모델에 입력하면 처리 용량이 낭비되고 품질이 떨어집니다.

정규 표현식은 텍스트 전처리의 핵심 도구입니다. 이제 정제 과정을 단계별로 구축합니다.

지저분한 샘플

다음은 웹에서 가져올 수 있는 문자열의 예입니다. 각 정제 단계는 한 가지 유형의 잡음을 대상으로 합니다.

raw = "<p>Contact us at info@shop.com or visit https://shop.com NOW!!!   Thanks</p>"

HTML 태그 제거

HTML 태그는 <tag>처럼 보입니다. 패턴 <[^>]+>은 <, >가 아닌 모든 문자, 그리고 >를 차례로 일치시킵니다.

태그를 빈 문자열로 바꿉니다. (복잡한 HTML에는 BeautifulSoup과 같은 구문 분석기를 사용하는 것이 좋지만, 빠른 정제에는 정규 표현식도 충분합니다.)

import re

text = re.sub("<[^>]+>", "", raw)
print(text)   # "Contact us at info@shop.com or visit https://shop.com NOW!!!   Thanks"

URL 제거

URL은 http:// 또는 https://로 시작하고, 그 뒤에 공백이 아닌 문자들이 옵니다. URL을 일치시킨 다음 제거합니다.

import re

text = re.sub("https?://\S+", "", text)
print(text)   # URL removed

이메일 주소 제거

간단한 이메일 패턴은 단어 문자, @, 도메인, 마침표, 최상위 도메인으로 구성됩니다.

import re

text = re.sub("\S+@\S+\.\S+", "", text)
print(text)   # email removed

제거 대신 가리기

개인 정보 데이터셋에서는 민감한 데이터를 삭제하기보다 문장 구조를 유지하면서 가리는 경우가 많습니다.

import re

masked = re.sub("\S+@\S+\.\S+", "[EMAIL]", "reach me at a@b.com please")
print(masked)   # "reach me at [EMAIL] please"

특수 문자 제거

문자, 숫자, 공백은 남기고 부정 문자 집합을 사용해 구두점과 기호를 제거합니다. 일부 구두점을 남길지는 작업에 따라 결정합니다.

import re

text = re.sub("[^A-Za-z0-9 ]", "", "Hello!! @world #2026")
print(text)   # "Hello world 2026"

공백 정규화

정제 과정에서는 이중 공백과 불필요한 줄 바꿈이 남을 수 있습니다. \s+를 사용해 연속된 공백을 하나의 공백으로 줄인 다음, 양 끝에 strip()을 적용합니다.

import re

text = re.sub("\s+", " ", "Hello    world\n\n  again").strip()
print(text)   # "Hello world again"

소문자화와 순서의 중요성

일관성을 위해 소문자화하는 경우가 많지만, 신중하게 적용해야 합니다. 또한 순서가 중요합니다. 특수 문자를 제거하기 전에 HTML을 제거하고, 앞선 제거 작업으로 빈틈이 생기지 않도록 마지막에 공백을 정규화합니다.

text = text.lower()
# Pipeline order: tags -> urls -> emails -> specials -> whitespace -> lowercase

텍스트 정제 과정 구축

모든 문서가 동일하게 처리되도록 단계를 하나의 함수로 묶습니다. 많은 문서를 처리할 때는 속도를 높이기 위해 패턴을 미리 컴파일합니다.

import re

def clean_text(s):
    s = re.sub("<[^>]+>", " ", s)          # html tags
    s = re.sub("https?://\S+", " ", s)     # urls
    s = re.sub("\S+@\S+\.\S+", " ", s)    # emails
    s = re.sub("[^A-Za-z0-9 ]", " ", s)     # special chars
    s = re.sub("\s+", " ", s).strip()       # whitespace
    return s.lower()

print(clean_text(raw))

DataFrame에 정제 과정 적용

apply를 사용해 전체 텍스트 열에 정제기를 실행하면 모델에 바로 사용할 수 있는 열이 생성됩니다.

import pandas as pd

df["clean"] = df["text"].apply(clean_text)
print(df[["text", "clean"]].head())

빠른 확인: 공백 정규화

정제 후 텍스트에 여러 개의 공백과 줄 바꿈이 연속해서 나타나며, 이를 하나의 공백으로 줄이려고 합니다.

복습: 정규 표현식을 사용한 텍스트 정제

실제 전처리 과정을 구축했습니다.

  • <[^>]+>로 HTML 제거
  • URL(https?://\S+)과 이메일 제거
  • [EMAIL]과 같은 자리 표시자로 민감한 데이터 가리기
  • 부정 문자 집합으로 특수 문자 제거
  • \s+와 strip()으로 공백 정규화
  • 함수로 묶은 후 열에 apply 적용

이로써 텍스트 AI를 위한 정규 표현식 학습을 마쳤습니다. 다음 단계에서는 AI 프로젝트를 위한 데이터베이스를 살펴봅니다.

무료로 시작

AI 튜터와 함께 Python을(를) 배우세요 — 무료

브라우저에서 실제 코드를 작성하고 실행하며, 24/7 AI 튜터로부터 즉각적인 도움을 받고, 웹이나 앱에서 중단한 부분부터 계속 학습하세요.

코스
53
레슨
225

자주 묻는 질문

“정규 표현식을 활용한 인공지능용 텍스트 정제” 강의는 무료인가요?

네 — “정규 표현식을 활용한 인공지능용 텍스트 정제” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Learn AI with Python 강의 전체를 잠금 해제할 수 있습니다. Learn AI with Python 강의에는 총 4개의 강의가 포함되어 있습니다.

“정규 표현식을 활용한 인공지능용 텍스트 정제”에서 뭘 배우나요?

HTML 태그, 구두점, URL, 이메일을 제거하고 텍스트 전처리 함수를 구축합니다. 브라우저에서 직접 실행하는 실습 코드로 Learn AI with Python을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Learn AI with Python을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Learn AI with Python은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 4번째 강의입니다.

“정규 표현식을 활용한 인공지능용 텍스트 정제” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Learn AI with Python 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Learn AI with Python 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

  1. 정규 표현식 패턴과 문자 클래스
  2. re 모듈: 검색, 일치, 모두 찾기, 치환
  3. 캡처 그룹과 이름 있는 그룹
  4. 정규 표현식을 활용한 인공지능용 텍스트 정제
← Learn AI with Python(으)로 돌아가기