🔣 메타문자 이해로 시작하는 정규표현식

1. 정규표현식 (Regular Expression, Regex)

정규표현식은 특정한 규칙을 가진 문자열의 패턴을 표현하는 형식 언어이다. 주로 문자열 검색 및 치환, 입력값 유효성 검사, 로그 분석 및 텍스트 처리 같은 작업에 사용된다.

- 정규표현식의 기본 구성 요소

정규표현식은 일반 문자(Literal)와 특수 문자(Meta Characters)의 조합으로 이루어진다.

일반 문자란 특별한 의미 없이 문자 그대로 매칭되는 문자를 의미한다.

a
hello
cat​

특수 문자는 정규식에서 특별한 기능을 수행하는 문자를 의미한다. 이 문자들은 반복, 선택, 위치 검사 등의 기능을 수행한다.

. ^ $ * + ? { } [ ] ( ) | \

2. 정규표현식의 구조

정규표현식은 보통 토큰(Token)과 규칙(Rule)의 결합으로 구성된다. 토큰은 문자를 실제로 매칭하는 요소이고 규칙은 토큰의 동작 방식을 제어하는 요소이다.

- 토큰(Token)

문자열에서 실제 문자를 매칭하는 단위이다. 주요 종류는 다음과 같다.

1) 리터럴 (Literal)
일반 문자 자체를 의미한다.

a
hello
cat​

문자열에서 해당 문자 그대로 매칭된다.

2) 문자 클래스 (Character Class)
여러 문자 중 하나를 선택하여 매칭한다.

[abc] -> a, b, c 중 하나
[a-z] -> a부터 z까지의 소문자 중 하나
[0-9] -> 0부터 9까지의 숫자 중 하나

3) 축약 클래스 (Shorthand Class)
자주 사용하는 문자 집합을 짧게 표현한 것이다.

\d -> 숫자 (0~9)
\w -> 단어 문자 (a-z, A-Z, 0-9, _)
\s -> 공백 문자 (space, tab, newline 등)

\D -> 숫자가 아닌 문자
\W -> 단어 문자가 아닌 문자
\S -> 공백이 아닌 문자

4) 그룹 (Group)
여러 패턴을 하나의 단위로 묶는 구조이다.

(abc) -> "abc"라는 문자열을 하나의 그룹으로 묶음

- 연산자 (Operator)

연산자는 토큰의 반복이나 선택을 제어한다.

1) 수량자 (Quantifier)
패턴의 반복 횟수를 지정한다.

*     -> 0회 이상
+     -> 1회 이상
?     -> 0 또는 1회
{n}   -> n번 반복
{n,m} -> n~m번 반복

2) 분기 (Alternation)
여러 패턴 중 하나를 선택한다.

a|b -> a 또는 b​

- 제로폭 주장 (Zero-width Assertion)

제로폭 주장은 문자를 실제로 소비하지 않고 위치나 조건만 검사한다.

1) 앵커 (Anchor)
문자열의 시작 또는 끝 위치를 의미한다.

^ -> 문자열 시작
$ -> 문자열 끝

2) 경계 (Boundary)
단어의 경계를 의미한다.

\b -> 단어 문자(\w)와 비단어 문자(\W) 사이의 경계

3) 탐색 (Lookaround)
특정 조건을 확인만 하고 소비하지 않는 패턴이다.

[전방 탐색]
(?=...) -> 긍정 전방 탐색
(?!...) -> 부정 전방 탐색

[후방 탐색]
(?<=...) -> 긍정 후방 탐색
(?<!...) -> 부정 후방 탐색

3. 주요 메타 문자 정리 및 활용 예시

- . (dot): 임의의 문자 1개

.은 줄바꿈 문자(\n)를 제외한 어떤 문자든 1개를 의미한다.

[패턴]
a.b -> a와 b 사이에 임의의 문자 1개

[​매칭]
acb
a b
a한b
a_b

일부 엔진에서는 s(DOTALL)옵션을 사용하면 줄바꿈 문자도 포함된다.

- [ ]: 문자 클래스

[...]안에 허용할 문자 집합을 작성하면 그 중 하나와 매칭된다. 맨 앞에 ^를 사용하면 해당 문자들을 제외한 나머지 문자를 의미한다.

[패턴]
[abc] -> a 또는 b 또는 c
[0-9] -> 숫자 (0~9)
​
[부정 클래스]
[^0-9] -> 숫자가 아닌 문자

- -: 범위 지정

문자 클래스 [ ]안에서 -는 문자 범위를 의미한다.

[패턴]
[A-Z] -> A부터 Z
[a-z] -> a부터 z
[0-9] -> 숫자 0~9

*문자 클래스에서 -를 맨 앞이나 맨 뒤에 두면 리터럴 문자로 처리되니 주의

- |: 분기

|는 여러 패턴 중 하나를 선택한다.

[패턴]
a|b -> a 또는 b
cat|dog -> cat 또는 dog​

|는 우선순위가 가장 낮다.

[패턴]
ab|cd = (ab)|(cd)
a|bc = (a)|(bc)

또한 정규식 엔진은 왼쪽부터 순서대로 대안을 시도한다.

[입력]
caterer

[패턴]
(cat|cater)er

[동작]
cat + er -> cater (매칭 성공)​

따라서 cater 대안은 시도되지 않는다. 이러한 동작 방식 때문에 겹치는 패턴이 있다면 더 긴 패턴을 먼저 배치하는 것이 좋다.

- \: 이스케이프 및 약어 클래스

\는 두 가지 용도로 사용된다.

1) 메타문자 이스케이프
메타문자를 문자 그대로 사용해야 할 때 사용한다.

[패턴]
pyomin\.com -> pyomin.com
file\(name\)\.txt​ -> file(name).txt

2) 축약 문자 클래스
자주 사용하는 문자 집합을 짧게 표현한다.

[패턴]
\d -> 숫자 [0-9]
\w -> 단어 문자 [A-Za-z0-9_]
\s -> 공백 문자 (space, tab, newline)
\b -> 단어 경계

[반대 집합]
\D -> 숫자가 아닌 문자
\W -> 단어 문자가 아닌 문자
\S -> 공백이 아닌 문자
\B -> 단어 경계가 아닌 위치

대부분의 엔진에서 \d, \w 등은 ASCII 기준이다. 따라서 한글이나 전각 숫자는 포함되지 않을 수 있다.

- {m,n}: 수량자

바로 앞 토큰을 m~n회 반복한다. 일부 반복 패턴은 축약형으로 표현할 수도 있다.

[패턴]
\d{3}   -> 숫자 3개
\d{3,}  -> 숫자 3개 이상
\d{2,4} -> 숫자 2~4개

[축약형 패턴]
? = {0,1}
* = {0,}
+ = {1,}

수량자는 기본적으로 탐욕적(greedy)이다. 즉 가능한 많이 매칭하려고 시도한다.

[패턴]
a\d{2,4}b​

[문자열]
a1234b

[매칭]
a1234b

\d{2,4}가 가능한 최대 개수(4개)까지 먼저 소비한다. 그러나 수량자 뒤에 ?를 붙이면 최소한만 소비하는 lazy 방식이 된다.

[패턴]
<.*>  -> Greedy
<.*?> -> Lazy

[문자열]
<div>text</div>

[동작]
Greedy -> <div>text</div>
Lazy   -> <div>

정규식 엔진은 매칭에 실패하면 백트래킹(backtracking) 방식으로 재시도한다.

- ^ $: 시작과 끝

^는 문자열 시작 $는 문자열 끝을 의미한다.

[패턴]
^\d+$  -> 처음부터 끝까지 숫자만
^Hello -> Hello로 시작
end$   -> end로 끝

멀티라인 옵션 m을 사용하면 각 줄의 시작과 끝도 앵커로 인식된다.

- ( ): 그룹/캡처

( )는 패턴을 하나의 단위로 묶는 그룹이다.

[패턴1]
(ab){3}

[매칭1]
ababab

[패턴2]
(https?)://

[매칭2]
http://
https://

그룹은 매칭된 문자열을 자동으로 저장하는데 이를 캡처라고 한다.

[입력]
2025-08-27

[패턴]
(\d{4})-(\d{2})-(\d{2})

[결과]
Group 1 -> 2025
Group 2 -> 08
Group 3 -> 27

각 그룹은 왼쪽부터 순서대로 번호가 부여된다. 숫자 인덱스 대신 캡처 그룹에 이름을 부여할 수도 있는데 이를 Named Group이라고 한다. Named Group을 사용하면 정규식의 가독성을 높일 수 있다.

[입력]
2025-08-27

[패턴]
(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})

[결과]
year  -> 2025
month -> 08
day   -> 27

캡처된 그룹은 다시 참조할 수도 있다.

[패턴]
(?<word>\w+)\s\k<word>

[매칭]
hello hello
test test

\k<word>는 word 그룹에 캡처된 문자열을 다시 참조한다. 캡처가 필요 없는 경우에는 비캡처 그룹을 사용할 수 있다. (?:...) 이 문법은 그룹으로 묶지만 캡처는 하지 않는다.

[패턴]
^(?:https?|ftp)://

[매칭]
http://
https://
ftp://