맛대로! 멋대로! 정규식을 정리하자! - Regexp

정규식을 사용하게 되는 경우는 생각보다 많다.

요즘은 로그스태시(Logstash)와 플루언트디(Fluentd)를 만 질 일이 부쩍 많아져서

필요한 로그를 원하는 형태로 파싱하기 위해 만지작거릴 일이 많아졌다.

그러다 보니 정규식을 짤때마다 항상 머리를 싸매고 매번 문법을 찾아보는 것이 너무 불편해서

이참에 기본적인 문법을 정리해두고 자주 들여다보려고 한다.

 

그럼 시작합니다!

 

 

우선 정규식이 뭔지 알아야 할테니 간단히 정리해보자 

 

정규식이란?

 

정규 표현식(正規表現式, 영어: regular expression, 간단히 regexp 또는 regex, rational expression) 또는 정규식(正規式)은 특정한 규칙을 가진 문자열의 집합을 표현하는 데 사용하는 형식 언어이다.

 

위키를 찾아보며 아주 명료하게 말해준다. 나는 정규 표현식에 대한 배경지식은 쌓고 싶지 않기 때문에 뭐하는 녀석인지만 간단하게 알아보고 넘어간다.

 

간단하게 정리하면

"원하는 규칙을 가진 문자열을 찾는데 사용하는 언어"이다.

여기서 규칙이란 단어를 볼 수 있는데, 우리가 해야 하는 일은 위에서 말하는 "규칙"을 정의하는 일이다.

 

 

정규식 패턴에 대하여

 

정규식 패턴은 단순 문자로 구성될 수도 있고, 문자+특수 문자의 조합으로 구성될 수도 있다. 

 

1. 단순 패턴

 

단순 문자열에 대한 패턴을 검색하는 일은 복잡하지 않다. 예를 들어보면 "Hello my name is Tangool"에서 "ame"라는 문자열을 찾기 위한 패턴은 "/ame/"이다. 해당 패턴에서는 정확히 "ame"와 일치하는 패턴만 찾아내며 중간에 공백이나 다른 문제열이 포함되는 경우는 찾지 않는다.

 

 

2. 특수 문자를 활용한 패턴

 

정규식에서 제공하는 특수 문자를 사용하게 되면 좀 더 유연하게 원하는 문자열을 찾아낼 수 있다.

정규식에서 제공하는 특수문자와 상응하는 규칙은 MDN에서 가져왔다.

 

MDN의 설명을 기본으로하며, 뭔 말인지 이해가 잘 안 가게 작성된 부분은 직접 해설(?)을 다는 형식으로 정리하겠다.

 

정규식에서의 특수문자

\	**해설 간단하게 풀어보면 \(백슬레시)는 문자를 문자 그대로 받아들이게 하는 역할을 한다고 보면 된다. 일반적으로 *은 애스터리스크라고 불리며 "뒤에 뭐가와도 상관없다"는 식으로 사용되지만 /\*/을 사용하는 경우 별표 문자열을 찾겠다는 의미가 된다.  특수 문자가 아닌 문자(non-special character) 앞에서 사용된 백슬래시는 '해당 문자는 특별하고, 문자 그대로 해석되면 안된다'는 사실을 가리킵니다. 예를 들어, 앞에 \가 없는 'b'는 보통 소문자 b가 나오는 패턴과 대응됩니다. 그러나 '\b' 자체는 어떤 문자와도 대응되지 않습니다; 이 문자는 특별한 단어 경계 문자를 형성합니다.
^	입력의 시작 부분에 대응됩니다. 만약 다중행 플래그가 참으로 설정되어 있다면, 줄 바꿈 문자 바로 다음 부분과도 대응됩니다. **해설 패턴의 시작을 알리는 용도로 사용된다. /^A/ 패턴을 통해 "an A"를 검색하는 경우 아무것도 찾지 못한다. 왜냐? A가 맨앞에 없으니까! "An E"의 경우 A를 찾아낼 수 있다. '^' 가 문자셋([abc]) 패턴의 첫 글자로 쓰인다면, 그 때는 전혀 다른 의미를 가집니다. 자세한 내용은 역 문자셋을 참고하세요.
$	** 해설 위에서 ^가 시작을 알린다면, $는 끝을 알린다. 예를 들어, /t$/ 는 "eater" 의 't'에는 대응되지 않습니다, 그러나 "eat" 과는 대응됩니다.
*	앞의 표현식이 0회 이상 연속으로 반복되는 부분과 대응됩니다. {0,} 와 같은 의미입니다. 예를 들어, /bo*/ 는 "A ghost booooed" 의 'boooo' 와 대응되고, "A bird warbled" 의 'b'에 대응되지만 "A goat grunted" 내의 어느 부분과도 대응되지 않습니다.
+	앞의 표현식이 1회 이상 연속으로 반복되는 부분과 대응됩니다. {1,} 와 같은 의미입니다. 예를 들어, /a+/ 는 "candy"의 'a'에 대응되고 "caaaaaaandy" 의 모든 'a'들에 대응되지만, "cndy" 내의 어느 부분과도 대응되지 않습니다.
?	물음표 앞의 표현식이 0 또는 1회 등장하는 부분과 대응됩니다. {0,1} 와 같은 의미입니다. ** 물음표 앞의 문자가 있을수도 없을수도 있다는 얘기 입니다. 예를 들어, /e?le?/ 는 "angel"의 'el' 에 대응되고, "angle"의 'le' 에 대응되고 또한 "oslo" 의 'l'에도 대응됩니다. 만약 수량자 *, +, ?, {} 바로 뒤에 사용하면, 기본적으로 탐욕스럽던(가능한 한 많이 대응시킴) 수량자를 탐욕스럽지 않게(가능한 가장 적은 문자들에 대응시킴) 만듭니다. 예를 들어, /\d+/를 "123abc"에 적용시키면 "123"과 대응됩니다. 그러나 /\d+?/를 같은 문자열에 적용시키면 오직 "1"과만 대응됩니다. 또한 이 문자는 x(?=y) 와 x(?!y) 항목에서 설명하는 바와 같이 사전 검증(lookahead assertion)을 위해서도 쓰입니다.
.	개행 문자를 제외한 모든 단일 문자와 대응됩니다. **해설 .은 문자 하나를 말하는 것 같다.  예를 들어, /.n/는 "nay, an apple is on the tree"에서 'an'과 'on'은 xn (x=임의의문자)에 대응한다. nay의 경우 n앞에 아무런 문자가 오지 않기 때문에 패턴에 매칭되지 않는다.
(x)	다음의 예제가 보여주는것 처럼 'x'에 대응되고, 그것을 기억합니다. 괄호는 포획 괄호(capturing parentheses)라 불립니다. 패턴 /(foo) (bar) \1 \2/ 안의 '(foo)' 와 '(bar)'는 문자열"foo bar foo bar"에서 처음의 두 단어에 대응되고 이를 기억합니다. 패턴 내부의 \1와 \2는 문자열의 마지막 두 단어에 대응됩니다. (역주: \n 패턴은 앞의 n번째 포획괄호에 대응된 문자열과 똑같은 문자열에 대응됩니다.) \1, \2, \n과 같은 문법은 정규식의 패턴 부분에서 사용됩니다. 정규식의 치환 부분에서는 $1, $2, $n과 같은 문법이 사용되어야 합니다. 예를 들어, 'bar foo'.replace( /(...) (...)/, '$2 $1')와 같이 사용되어야 합니다. $& 패턴은 앞에서 대응된 전체 문자열을 가리킵니다.
(?:x)	'x'에 대응되지만 대응된 것을 기억하지 않습니다. 괄호는 비포획 괄호(non-capturing parentheses)라고 불리우고, 정규식 연산자가 같이 동작할 수 있게 하위 표현을 정의할 수 있습니다. 정규식 예제 /(?:foo){1,2}/을 생각해보세요. 만약 정규식이 /foo{1,2}/라면, {1,2}는 'foo'의 마지막 'o' 에만 적용됩니다. 비포획 괄호과 같이 쓰인다면, {1,2}는 단어 'foo' 전체에 적용됩니다.
x(?=y)	오직 'y'가 뒤따라오는 'x'에만 대응됩니다. 이것은 lookahead 라고 불립니다. **해설  /Jack(?=Sprat)/ 는 'Sprat'가 뒤따라오는 'Jack' 에만 대응됩니다. /Jack(?=Sprat|Frost)/는 'Sprat' 또는 'Frost'가 뒤따라오는 'Jack'에만 대응됩니다. 그러나, 'Sprat' 및 'Frost' 는 대응 결과의 일부가 아닙니다.
x(?!y)	'x'뒤에  'y'가 없는경우에만 'x'에 일치합니다. 이것은 negated lookahead 라고 불립니다. 예를 들어, /\d+(?!\.)/는 소숫점이 뒤따라오지 않는 숫자에 일치합니다. 정규식 /\d+(?!\.)/.exec("3.141")는 '3.141' 이 아닌 '141'에 일치합니다.
x|y	'x' 또는 'y'에 대응됩니다. 예를 들어, /green|red/는 "green apple"의 'green'에 대응되고, "red apple."의 'red'에 대응됩니다.
{n}	앞 표현식이 n번 나타나는 부분에 대응됩니다. n은 반드시 양의 정수여야 합니다. 예를 들어, /a{2}/는 "candy,"의 'a'에는 대응되지 않지만, "caandy,"의 모든 a 와, "caaandy."의 첫 두 a 에는 대응됩니다.
{n,m}	n과 m은 양의 정수이고, n <= m를 만족해야 합니다. 앞 문자가 최소 n개, 최대 m개가 나타나는 부분에 대응됩니다. m이 생략된다면, m은 ∞로 취급됩니다. 예를 들어, /a{1,3}/는 "cndy"에서 아무것에도 대응되지 않지만, "caandy,"의 첫 두 a 와 "caaaaaaandy"의 첫 세 a 에 대응됩니다. "caaaaaaandy"에서 더 많은 a 들이 있지만, "aaa"에만 대응된다는 점에 주목하세요.
[xyz]	문자셋(Character set) 입니다. 이 패턴 타입은 괄호 안의 어떤 문자(이스케이프 시퀀스까지 포함)와도 대응됩니다. 점(.) 이나 별표 (*) 같은 특수 문자는 문자셋 내부에서는 특수 문자가 아닙니다. 따라서 이스케이프시킬 필요가 없습니다. 하이픈을 이용하여 문자의 범위를 지정해줄 수 있습니다. 예를 들어, 패턴 [a-d] 는 패턴 [abcd] 와 똑같이 동작하며, "brisket"의 'b' 에 일치하고, "city"의 'c' 에 일치합니다. 패턴 /[a-z.]+/ 와 /[\w.]+/ 는 "test.i.ng" 전체 문자열이 일치합니다.
[^xyz]	부정 문자셋(negated character set) 또는 보충 문자셋(complemented character set)입니다. 괄호 내부에 등장하지 않는 어떤 문자와도 대응됩니다. 하이픈을 이용하여 문자의 범위를 지정할 수 있습니다. 일반적인 문자셋에서 작동하는 모든 것은 여기에서도 작동합니다. 예를 들어, 패턴[^abc]는 패턴[^a-c]와 동일합니다. 두 패턴은 "brisket"의 'r', "chop."의 'h' 에 대응됩니다.
[\b]	백스페이스(U+0008)에 대응됩니다. 이와 같이, 백스페이스 문자 리터럴에 대응시키려면, 대괄호("[]")를 이용해야만 합니다. (\b와 혼동하지 마세요.)
\b	단어 경계에 대응됩니다. 단어 경계는 다른 '단어 문자'가 앞이나 뒤에 등장하지 않는 위치에 대응됩니다. 단어의 경계는 대응 결과에 포함되지 않는다는 사실에 주의하세요. 다른 말로는, 단어의 경계에 대응되는 문자열의 길이는 항상 0입니다. (패턴 [\b]와 혼동하지 마세요.) 예제: /\bm/는 "moon"의 'm'에 대응됩니다; /oo\b/ 는 "moon"의 'oo' 부분에 대응되지 않는데, 왜냐하면 'oo'를 뒤따라오는 'n'이 단어 문자이기 때문입니다; /oon\b/는 "moon"의 'oon'에 대응됩니다. 왜냐하면, 'oon'은 문자열의 끝이라서, 뒤따라오는 단어 문자가 없기 때문입니다 ; /\w\b\w/는 어떤 것에도 일치하지 않습니다. 왜냐하면, 단어 문자는 절대로 비 단어 문자와 단어 문자 두개가 뒤따라올수 없기 때문입니다. 숙지하세요: 자바스크립트의 정규식 엔진은 특정 문자 집합을 '단어 문자'로 정의합니다. 이 집단에 속하지 않는 모든 문자는 단어 분리(word break) 로 여겨집니다. 단어 문자로 간주되는 문자들은 얼마 없습니다: 오로지 로마자 소문자와 대문자, 10진수 숫자, 밑줄 문자로 구성되어 있습니다. "é" 또는 "ü" 같이, 강세 표시 문자들은 안타깝게도 단어 분리(word breaks) 로 취급됩니다.
\B	단어 경계가 아닌 부분에 대응됩니다. 아래와 같은 경우들이 있습니다: 문자열의 첫 번째 문자가 단어 문자가 아닌 경우, 해당 문자의 앞 부분에 대응됩니다. 문자열의 마지막 문자가 단어 문자가 아닌 경우, 해당 문자의 뒷 부분에 대응됩니다. 두 단어 문자의 사이에 대응됩니다. 단어 문자가 아닌 두 문자 사이에 대응됩니다. 빈 문자열에 대응됩니다. 문자열의 시작 부분과 끝 부분은 단어가 아닌 것으로 간주됩니다. 예를 들어, /\B../ 는 "noonday"의 'oo'와 대응되며, /y\B./ 는 "possibly yesterday."의 'ye'와 대응됩니다.
\cX	문자열 내부의 제어 문자에 대응됩니다. 여기서 X는 A에서 Z까지의 문자 중 하나입니다. 예를 들어, /\cM/는 문자열에서 control-M (U+000D)에 대응됩니다.
\d	숫자 문자에 대응됩니다. [0-9]와 동일합니다. 예를 들어, /\d/ 또는 /[0-9]/는 "B2 is the suite number."에서 '2'에 대응됩니다.
\D	숫자 문자가 아닌 문자에 대응됩니다. [^0-9]와 동일합니다. 예를 들어, /\D/ 또는 /[^0-9]/는 "B2 is the suite number."의 'B'에 대응됩니다.
\f	폼피드 (U+000C) 문자에 대응됩니다.
\n	줄 바꿈 (U+000A) 문자에 대응됩니다.
\r	캐리지 리턴(U+000D) 문자에 대응됩니다.
\s	스페이스, 탭, 폼피드, 줄 바꿈 문자등을 포함한 하나의 공백 문자에 대응됩니다. [ \f\n\r\t\v\u00a0\u1680\u2000-\u200a\u2028\u2029\u202f\u205f\u3000\ufeff].와 동일합니다. 예를 들어, /\s\w*/는 "foo bar."의 ' bar'에 대응됩니다.
\S	공백 문자가 아닌 하나의 문자에 대응됩니다. [^ \f\n\r\t\v\u00a0\u1680\u2000-\u200a\u2028\u2029\u202f\u205f\u3000\ufeff]. 와 동일합니다. 예를 들어, /\S\w*/는 "foo bar."의 'foo' 에 대응됩니다.
\t	탭 (U+0009) 문자에 대응됩니다.
\v	수직 탭(U+000B) 문자에 대응됩니다.
\w	밑줄 문자를 포함한 영숫자 문자에 대응됩니다. [A-Za-z0-9_] 와 동일합니다. (역주: 여기에 대응되는 문자를 단어 문자라고 합니다.) 예를 들어, /\w/는 "apple,"의 'a' 에 대응되고, "$5.28,"의 '5'에 대응되고,"3D."의 '3'에 대응됩니다.
\W	단어 문자가 아닌 문자에 대응됩니다. [^A-Za-z0-9_] 와 동일합니다. 예를 들어, /\W/ 또는 /[^A-Za-z0-9_]/는 "50%."의 '%' 에 대응됩니다.
\n	정규식 내부의 n번째 괄호에서 대응된 부분에 대한 역참조 입니다. 여기서, n은 양의 정수입니다. 예를 들어, /apple(,)\sorange\1/는 "apple, orange, cherry, peach."의 'apple, orange,' 에 일치합니다.
\0	널 (U+0000)문자에 대응합니다. 이 때 다른 숫자를 뒤에 쓰지 마세요. 왜냐하면 \0<digits>는 8진 이스케이프 시퀀스이기 때문입니다.
\xhh	코드가 hh(두 16진 숫자)인 문자에 일치합니다.
\uhhh	코드가 hhhh(네개의 16진 숫자)인 문자에 일치합니다.

 

별도의 해설을 달지 않은 부분은  MDN의 설명을 읽어봐도 크게 이해가 되지 않는 부분이 없기 때문에 설명을 달지 않았으니 필요한 부분이 있다면 잘 이해해서 적재적소에 사용하면된다.

 

그럼2000!