정규표현식 입문: 텍스트 처리의 강력한 도구

정규표현식이란 무엇인가?

정규표현식(Regular Expression, 줄여서 Regex)은 텍스트에서 특정 패턴을 찾고, 추출하고, 치환하는 강력한 도구입니다. 프로그래밍 언어가 아닌 ‘패턴 매칭 언어’로, Python, JavaScript, Java, PHP 등 거의 모든 프로그래밍 언어에서 지원합니다.

정규표현식은 1950년대 수학자 스티븐 클레인(Stephen Kleene)이 정규 집합(regular set)을 설명하기 위해 고안한 표기법에서 유래했습니다. 1968년 켄 톰슨(Ken Thompson)이 Unix의 텍스트 에디터 ed에 정규표현식을 구현하면서 프로그래밍 도구로 자리잡았습니다.

기본 문법: 메타문자와 리터럴

리터럴 문자

정규표현식의 가장 기본은 일반 문자 그대로 매칭하는 것입니다. cat이라는 정규식은 텍스트에서 “cat”이라는 문자열을 찾습니다.

메타문자 (특수 의미)

문자 클래스

자주 쓰는 패턴 라이브러리

1. 이메일 주소

^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$

설명:

• ^: 문자열 시작
• [a-zA-Z0-9._%+-]+: 로컬 파트 (1자 이상)
• @: @ 기호
• [a-zA-Z0-9.-]+: 도메인명
• \.: 점 (이스케이프 필요)
• [a-zA-Z]{2,}: 최상위 도메인 (2자 이상)
• $: 문자열 끝

2. 전화번호 (한국)

^01[0-9]-\d{3,4}-\d{4}$

매칭 예시: 010-1234-5678, 011-123-4567

3. URL

https?://[^\s]+

설명:

• https?: http 또는 https
• ://: 프로토콜 구분자
• [^\s]+: 공백이 아닌 문자 1개 이상

4. IP 주소 (IPv4)

^((25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$

매칭 예시: 192.168.0.1, 255.255.255.255

5. 한글

[가-힣]+

설명: 완성형 한글 자모 범위 (가~힣)

6. 날짜 (YYYY-MM-DD)

^\d{4}-\d{2}-\d{2}$

매칭 예시: 2026-02-02, 1999-12-31

그룹과 캡처: 패턴 재사용

캡처 그룹 ( )

괄호로 묶인 부분은 “그룹”이 되며, 매칭된 내용을 추출하거나 재사용할 수 있습니다.

(\d{4})-(\d{2})-(\d{2})

예시: “2026-02-02″를 매칭하면

• 그룹 1: 2026 (연도)
• 그룹 2: 02 (월)
• 그룹 3: 02 (일)

비캡처 그룹 (?:)

그룹으로 묶되 캡처하지 않을 때 사용합니다 (성능 향상).

(?:https?|ftp)://[^\s]+

역참조 (Backreference)

앞에서 캡처한 그룹을 다시 참조할 수 있습니다.

<(\w+)>.*?</\1>

설명: HTML 태그 매칭 (여는 태그와 닫는 태그 동일)

• (\w+): 태그명 캡처
• \1: 첫 번째 그룹 참조

매칭 예시: <div>...</div>, <p>...</p>

실전 예제

예제 1: 이메일 유효성 검사 (JavaScript)

function validateEmail(email) {
    const regex = /^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/;
    return regex.test(email);
}

console.log(validateEmail("user@example.com")); // true
console.log(validateEmail("invalid-email"));    // false

예제 2: 로그에서 IP 주소 추출 (Python)

import re

log = "2026-02-02 10:30:15 192.168.1.100 GET /api/users 200"
ip_pattern = r'\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}'
ip = re.search(ip_pattern, log)

print(ip.group())  # 192.168.1.100

예제 3: 텍스트 치환 (날짜 형식 변환)

import re

text = "오늘은 2026-02-02입니다."
# YYYY-MM-DD → DD/MM/YYYY
new_text = re.sub(r'(\d{4})-(\d{2})-(\d{2})', r'\3/\2/\1', text)

print(new_text)  # 오늘은 02/02/2026입니다.

예제 4: HTML 태그 제거

import re

html = "<p>Hello <strong>World</strong></p>"
clean = re.sub(r'<[^>]+>', '', html)

print(clean)  # Hello World

성능과 보안 주의사항

ReDoS 공격 (Regular Expression Denial of Service)

복잡한 정규식은 백트래킹 폭발로 인해 CPU를 과도하게 사용할 수 있습니다.

(a+)+b

ReDoS 방지법

• 중첩 수량자 피하기: (a+)+, (a*)* 같은 패턴 제거
• 타임아웃 설정: Python re 대신 regex 라이브러리 사용 (timeout 옵션)
• 입력 길이 제한: 사용자 입력을 검증하기 전에 길이 체크
• 비캡처 그룹 사용: (?:...)로 불필요한 캡처 제거

성능 최적화 팁

학습 도구와 리소스

추천 학습 사이트

• RegexOne: https://regexone.com/ – 대화형 튜토리얼
• Regex101: https://regex101.com/ – 실시간 테스트 + 설명
• RegexLearn: https://regexlearn.com/ – 게임처럼 배우기

ToolZipper 정규식 도구

결론

정규표현식은 처음엔 복잡해 보이지만, 기본 패턴만 익히면 텍스트 처리 생산성이 크게 향상됩니다. 이메일 검증, 로그 파싱, 데이터 추출 등 실무에서 매일 사용하는 필수 기술입니다.

지금 바로 정규식 테스터에서 연습해보세요!