Regular Expressions: A Practical Tutorial — cod-ai.com

3년 전, 저는 한 주니어 개발자가 CSV 파일에서 10,000개의 이메일 주소를 수동으로 검증하는 데 4시간을 소비하는 것을 보았습니다. 그는 각 이메일을 온라인 검증기에 하나씩 복사하고 있었습니다. 제가 10,000개를 2초 이내에 검증할 수 있는 정규 표현식의 한 줄을 보여줬을 때, 그의 턱이 문자 그대로 떨어졌습니다. 그 순간은 제가 백엔드 시스템 엔지니어로서 12년 동안 배운 것을 결정적으로 해주었습니다: 정규 표현식은 개발자의 도구 상자에서 가장 활용도가 낮은 초능력입니다.

저는 사라 첸이며, 데이터 처리 파이프라인을 대규모로 구축하는 데 10년 이상을 보냈습니다 — 처음에는 수백만 건의 트랜잭션을 매일 처리하는 핀테크 스타트업에서, 그 다음에는 데이터 검증이 단순히 중요하다기보다 문자 그대로 생사와 관련이 있는 의료 분석 회사에서 근무했습니다. 그동안 저는 팀이 수천 시간을 절약하고 수많은 데이터 손상 사고를 예방해준 정규 표현식 패턴을 작성했습니다. 하지만 여전히 매주 고대 이집트의 상형문자로 작성된 것처럼 정규 표현식을 피하는 개발자들을 만납니다.

진실은 이렇습니다: 정규 표현식은 그 명성이 암시하는 것만큼 무섭지 않습니다. 네, 처음에는 불투명해 보이지만, 기본 논리를 이해하면 텍스트 처리, 데이터 검증, 로그 파싱 및 무수히 많은 다른 작업에는 없어서는 안 될 도구가 됩니다. 이 튜토리얼은 제가 실제 시스템에서 만났던 실제 예제를 사용하여 당신을 정규 표현식 초보자에서 자신감 있는 실무자로 전환시켜 줄 것입니다.

정규 표현식이란 무엇인가 (그리고 왜 당신이 관심을 가져야 하는가)

기본부터 시작하겠습니다. 정규 표현식 — 줄여서 정규식이라고 합니다 — 은 검색 패턴을 정의하는 문자 시퀀스입니다. 그것은 강력한 "찾기" 기능으로 생각할 수 있습니다. 간단한 검색은 정확한 일치를 찾지만, 정규식은 패턴을 설명할 수 있습니다: "이메일 주소처럼 보이는 모든 것을 찾아줘" 또는 "이 텍스트에서 모든 전화번호를 추출해" 또는 "MM/DD/YYYY 형식의 모든 날짜를 YYYY-MM-DD로 교체해."

정규식의 힘은 대안을 고려할 때 분명해집니다. 정규식 없이 이메일 주소를 검증하려면 여러 줄의 조건 논리를 작성해야 합니다: @ 기호가 있는지 확인하고, 그 앞과 뒤에 텍스트가 있는지 확인하고, 도메인에 점이 있는지 확인하고, 최상위 도메인 길이를 검증하는 등의 과정이 필요합니다. 정규식을 사용하면 이러한 모든 것을 단일 패턴으로 표현할 수 있으며, 이는 더 간결할 뿐만 아니라 유지 관리도 더 용이합니다.

제 경험에 따르면, 정규식을 마스터한 개발자는 텍스트 처리 작업에서 30~40%의 생산성 증가를 경험합니다. 저는 제 팀에서 이를 측정했습니다. 정규식 기반 로그 파싱을 문자열 조작 방법 대신 구현했을 때, 우리의 로그 분석 스크립트는 실행 시간이 15분에서 90초 이내로 완료되는 것으로 줄어들었습니다. 이는 하나의 도구를 배우면서 이루어진 10배의 개선입니다.

정규 표현식은 사실상 모든 프로그래밍 언어에서 지원됩니다 — JavaScript, Python, Java, Ruby, PHP, Go, Rust 등입니다. 구문은 구현에 따라 약간의 차이가 있지만, 기본 개념은 일관되게 유지됩니다. 정규식을 한 번 배우면 어디서나 적용할 수 있습니다. 이는 프레임워크와 언어가 사라지고 새로 등장하는 우리 분야에서 드문 전이 가능한 지식입니다.

제가 가장 자주 듣는 반대 의견은 "정규식은 읽기 어렵다"는 것입니다. 네, 잘못 작성된 정규식은 암호 같을 수 있습니다. 하지만 어떤 언어에서든 잘못 작성된 코드도 마찬가지입니다. 해결책은 정규식을 피하는 것이 아니라, 명확하고 주석이 잘 달린 패턴을 작성하는 법을 배우는 것입니다. 이 튜토리얼 전반에 걸쳐, 저는 강력하고 유지 관리 가능한 정규식을 만드는 기술을 보여드릴 것입니다.

구성 요소: 리터럴 문자와 메타문자

모든 정규식 패턴은 두 가지 유형의 문자로 구성됩니다: 리터럴과 메타문자. 리터럴은 문자 그대로 자신과 일치하는 문자입니다. "cat" 패턴을 작성하면, 이는 리터럴 문자열 "cat"과 일치합니다. 간단하죠.

메타문자는 흥미로운 부분입니다. 이들은 리터럴 값 이상의 의미를 지닌 특수 문자입니다. 가장 기본적인 메타문자는 점(.)으로, 이는 개행을 제외한 모든 단일 문자와 일치하며, 백슬래시(\)는 다른 메타문자를 이스케이프하여 리터럴로 취급합니다.

저의 핀테크 시절의 실제 예를 드리겠습니다. 우리는 로그 파일에서 모든 트랜잭션 ID를 찾아야 했고, 이 ID는 "TXN" 다음에 정확히 8자리 숫자가 오는 패턴을 따릅니다. 정규식 패턴은: TXN\d{8}입니다. 이를 분해해 보겠습니다: "TXN"은 리터럴 문자, \d는 "숫자"를 의미하는 메타문자이며, {8}은 "정확히 8번"을 의미하는 양화사입니다. 이 단일 패턴은 몇 초 만에 수천 개의 트랜잭션 ID를 찾을 수 있습니다.

가장 일반적으로 사용되는 메타문자는 제가 "필수 여섯"이라고 부르는 것을 형성합니다: 점(.)은 모든 문자에 해당하며, \d는 숫자에, \w는 단어 문자(문자, 숫자, 밑줄)에, \s는 공백에, 캐럿(^)은 줄의 시작에, 달러 기호($)는 줄의 끝에 해당합니다. 이 여섯 가지를 마스터하면 일반적인 정규식 작업의 약 70%를 처리할 수 있습니다.

대괄호로 표시된 문자 클래스는 일치를 맞추기 위한 사용자 정의 문자 집합을 정의할 수 있게 해줍니다. 패턴 [aeiou]는 모든 모음과 일치합니다. 패턴 [0-9]는 모든 숫자와 일치합니다(등가: \d). 캐럿을 사용하여 문자 클래스를 부정할 수도 있습니다: [^0-9]는 숫자가 아닌 모든 것과 일치합니다. 저는 특정 허용 문자를 가진 구조화된 데이터를 파싱할 때 문자 클래스를 자주 사용합니다.

초보자를 혼란스럽게 만드는 하나의 요점: 리터럴 메타 문자를 일치시키려면 백슬래시로 이스케이프해야 합니다. 리터럴 마침표와 일치시키려면 \.을 사용하십시오. 리터럴 백슬래시와 일치시키려면 \\를 사용해야 합니다. 처음에는 혼란스러울 수 있지만 곧 익숙해집니다. 처음 몇 주 동안은 요약 노트를 준비해 두는 것을 추천합니다 — 저는 여전히 덜 일반적인 메타문자에 대해 가끔 참고합니다.

양화사: 반복을 우아하게 표현하기

양화사는 정규식을 진정 강력하게 만드는 요소입니다. 이들은 패턴이 몇 번 반복되어야 하는지를 지정할 수 있게 해 주며, 단순한 패턴을 복잡한 매칭 엔진으로 변환합니다. 기본 양화사는: * (0 또는 그 이상), + (1 이상), ? (0 또는 1), {n,m} (n회에서 m회 사이)입니다.

제 의료 분석 작업의 실제 시나리오를 소개합니다. 우리는 전화번호가 여러 형식으로 나타나는 환자 데이터 파일을 받았습니다: (555) 123-4567, 555-123-4567, 555.123.4567, 또는 심지어 5551234567. 각 형식에 대해 별도의 검증 논리를 작성하는 것은 지루하고 오류가 발생하기 쉽습니다. 대신, 저는 이 정규식을 사용했습니다: \(?\d{3}\)?[-.\s]?\d{3}[-.\s]?\d{4}

이 패턴을 해독해 보겠습니다. \(? 은 "옵션 개방 괄호"를 의미합니다 ( ?가 이걸 선택적으로 만듭니다). \d{3}은 정확히 세 자리 숫자와 일치합니다. \)?은 선택적 닫는 괄호입니다. [-.\s]?는 선택적 구분 기호(대시, 점 또는 공백)와 일치합니다. 이 단일 패턴은 모든 네 가지 형식을 우아하게 처리합니다.

*와 +의 차이는 미세하지만 중요합니다. 별표는 0개 이상의 발생을 매칭하는 반면, 더하기는 최소한 하나 이상이 필요합니다. 예를 들어, \d*는 빈 문자열(0자리 숫자)과 일치하지만 \d+는 최소한 하나의 숫자가 필요합니다. 저는 *가 포함된 패턴이 데이터 검증 스크립트에서 빈 필드와 우연히 일치하여 차단되어야 할 레코드가 통과된 경험을 통해 이 차이를 힘들게 배웠습니다.

양화사는 기본적으로 탐욕적입니다. 즉, 가능한 한 많은 것을 매칭합니다. 패턴 .*는 자신이 할 수 있는 모든 것을 소비합니다. 때때로 당신은 느린 방식으로 매칭하길 원할 수도 있습니다.