정규 표현식: 문법·플래그·메서드

정규 표현식이란

정규 표현식(regular expression)은 문자열에서 찾을 모양을 기술하는 작은 언어다. JavaScript에서는 RegExp 객체이고, 패턴과 플래그로 이루어진다. 엔진이 실제로 어떻게 찾는지(탐욕·게으름, 백트래킹, 성능 함정)는 정규식 엔진: 탐욕·게으름·전후방탐색·백트래킹에 있다.

const re1 = /\d{3}-\d{4}/g;                       // 리터럴: 패턴을 미리 알 때
const re2 = new RegExp(`^${RegExp.escape(word)}`, 'i'); // 생성자: 실행 중에 만들 때

• 리터럴 안에서는 /를 \/로 쓴다. 생성자에는 필요 없다.
• 생성자에 문자열을 넘기면 문자열 이스케이프가 먼저 한 번 풀린다. "\d"는 "d"가 되므로 "\\d"처럼 백슬래시를 두 번 쓴다. 원시 문자열이 필요하면 String.raw`\d+`를 넘긴다.

문법 한눈에

문자와 클래스

• 공백도 문자다. /\d-\d/는 "1 - 5"에 맞지 않는다.
• 세트 하나는 결과에서 한 글자다. V[oi]la는 Voila에 맞지 않는다.
• 세트 안에서는 . + ( )를 이스케이프하지 않아도 된다. -는 맨 앞·뒤면 문자 그대로, ^는 맨 앞일 때만 부정이다. ]와 \는 항상 이스케이프한다.
• 한글을 포함한 다국어 단어 문자는 [\p{Alpha}\p{M}\p{Nd}\p{Pc}\p{Join_C}](u)로 만든다. 한글 음절만이면 [가-힣]이다.
• 과거에는 s 플래그가 없던 브라우저를 위해 [\s\S]로 「아무 문자」를 썼다.

위치(폭이 0인 검사)

앵커는 글자를 소비하지 않는다. ^\d\d:\d\d$는 문자열 전체가 그 모양인지 검사하고, ^$는 빈 문자열에만 맞는다. 단순한 시작·끝 검사는 startsWith·endsWith가 더 읽기 쉽다. \d$(m)와 \d\n의 차이는 줄바꿈을 결과에 포함하느냐와, 마지막 줄(뒤에 \n이 없음)에 맞느냐다.

수량자

수량자는 바로 앞 한 요소(문자, 클래스, 세트, 그룹)에 붙는다. 기본은 탐욕(greedy) 이다. 정밀한 패턴은 길어지므로 오탐을 얼마나 허용할지에 맞춰 고른다(<\w+> 대 <[a-z][a-z0-9]*>).

그룹·역참조·대안

• 그룹 번호는 여는 괄호 순서로 매긴다. 중첩돼도 바깥부터다. [0]은 전체 일치다.
• 일치에 참여하지 않은 선택적 그룹((…)?)도 자리는 있고 값이 undefined다.
• 역참조는 패턴 안에서 \1, 치환 문자열에서는 $1이다. 따옴표 쌍 찾기: /(['"])(.*?)\1/g.
• I love HTML|CSS는 「I love HTML」 또는 「CSS」다. 범위를 괄호로 묶는다: I love (HTML|CSS).
• 대안은 왼쪽부터 시도한다. Java|JavaScript는 JavaScript에서 Java만 찾는다. 긴 쪽을 앞에 두거나 Java(Script)?로 합친다.
• 세트는 글자 하나 중 선택, 대안은 식 전체 중 선택이다. 시간 검사: ([01]\d|2[0-3]):[0-5]\d.

중복된 그룹 이름(ES2025): 서로 다른 대안 안에서는 같은 이름을 쓸 수 있다. 한 번에 한쪽만 맞으므로 groups.year로 어느 쪽이든 꺼낸다.

const re = /(?<year>\d{4})-\d{2}|\d{2}-(?<year>\d{4})/;
re.exec('10-2026').groups.year;   // '2026'

플래그 수정자(ES2025): /(?i:hello) world/는 HELLO world에는 맞고 HELLO WORLD에는 맞지 않는다. g·y·d·u·v는 패턴 전체에 걸리는 플래그라 수정자에 쓸 수 없다.

플래그

u와 v: 유니코드

u가 없으면 JavaScript 정규식은 문자열을 UTF-16 단위로 본다. '😄'.length가 2인 것처럼 /[𝒳𝒴]/는 반쪽 글자에 맞고, [𝒳-𝒵]는 범위 오류가 난다. 유니코드 텍스트를 다루면 u 또는 v를 항상 붙인다.

v는 u가 하는 일에 다음을 더한다. Baseline이며 u와 함께 쓰면 SyntaxError다.

/[\p{L}--[a-z]]/v              // 차집합: 라틴 소문자를 뺀 글자
/[\p{Script=Greek}&&\p{Lu}]/v  // 교집합: 그리스 대문자
/[\p{L}[0-9]]/v                // 중첩 세트(합집합)
/^\p{RGI_Emoji}$/v             // 문자열 속성: 여러 코드 포인트로 된 이모지 하나
/[\q{abc|d}]/v                 // 세트 안에 여러 글자 문자열

v에서는 세트 안에서 (, ), [, {, }, /, -, | 같은 문자를 이스케이프해야 해서 u에서 되던 패턴이 오류가 날 수 있다. 국기처럼 여러 코드 포인트를 합친 자소 클러스터를 세트 한 글자로 묶어 주지는 않는다(/[🇺🇳]/v는 🇺에 맞는다). 글자 단위 분리는 Intl.Segmenter가 맡는다.

d: 일치 위치

const m = /(?<key>\w+)=(?<val>\w+)/d.exec('a=1; color=red');
m.indices[0];           // [0, 3]   전체 일치의 시작·끝
m.indices.groups.val;   // [2, 3]

하이라이트·에디터·파서처럼 「어디서 찾았나」가 필요할 때 쓴다. 위치 계산 비용이 있어 기본으로 켜지 않는다.

메서드

const text = 'a=1, b=22';
for (const { groups, index } of text.matchAll(/(?<k>\w)=(?<v>\d+)/g)) {
  console.log(groups.k, groups.v, index);   // a 1 0 / b 22 5
}
const found = text.match(/\d+/g) ?? [];       // null 대비

matchAll은 결과를 미리 다 만들지 않고 순회할 때 찾는다. 배열이 필요하면 Array.from()이나 [...]로 바꾸고, 이터레이터 헬퍼(.map(), .take())를 바로 이어 쓸 수도 있다(→ 이터레이터와 제너레이터).

치환 문자열과 치환 함수

'John Smith'.replace(/(?<first>\w+) (?<last>\w+)/, '$<last>, $<first>'); // 'Smith, John'
 
// 함수: (match, p1, …, pn, offset, input, groups), 명명된 그룹이 있으면 groups가 마지막
'1kg 20kg'.replace(/(\d+)kg/g, (m, n) => `${n * 1000}g`);  // '1000g 20000g'

lastIndex 함정

g·y 플래그가 있는 정규식은 상태(lastIndex)를 가진 객체다.

const re = /a/g;
re.test('a');   // true,  lastIndex → 1
re.test('a');   // false! 1번 위치부터 찾았다. lastIndex → 0

• exec·test는 일치하면 lastIndex를 일치 끝으로 옮기고, 실패하면 0으로 되돌린다.
• g가 붙은 정규식을 모듈 상수로 두고 여러 문자열에 test하면 번갈아 실패한다. 검사용 정규식에는 g를 빼거나, 매번 re.lastIndex = 0을 한다.
• 문자열 메서드(match, matchAll, replace)는 시작할 때 lastIndex를 직접 관리하므로 이 함정이 없다. matchAll은 정규식을 복제해 쓴다.

y: 정해진 위치에서만

g는 lastIndex부터 앞으로 훑고, y는 그 위치 하나만 검사한다.

const re = /\w+/y;
re.lastIndex = 3;
re.exec('let varName');   // null: 3번은 공백
re.lastIndex = 4;
re.exec('let varName');   // ['varName']

토큰을 앞에서부터 차례로 읽는 렉서(lexer)에 맞다. 그 위치에서 실패하면 바로 끝나므로, 긴 텍스트를 끝까지 훑는 g보다 빠르다.

사용자 입력으로 패턴 만들기: RegExp.escape

검색어를 그대로 new RegExp(input)에 넣으면 .이나 (가 문법으로 해석되고, 일부러 무거운 패턴을 넣는 공격(ReDoS)도 가능하다. RegExp.escape()(ES2025, Baseline 2025) 가 입력을 문자 그대로 맞는 패턴으로 바꾼다.

const domain = 'example.com';
new RegExp(`https?://${RegExp.escape(domain)}/`, 'g');
// RegExp.escape('example.com') → '\\x65xample\\.com'

• 특수 문자(^ $ \ . * + ? ( ) [ ] { } | /)에 백슬래시를 붙인다.
• -, ,, =, 공백 같은 기타 구두점은 \x2d처럼 16진 이스케이프로 바꾼다. u·v 모드에서 \-가 문법 오류가 되는 것을 피하려는 것이다.
• 첫 글자가 영문자·숫자면 \x로 바꾼다. 앞에 \1이나 \x0이 와도 이어 붙어 다른 뜻이 되지 않게 하려는 것이다.
• 직접 replace(/[.*+?^${}()|[\]\\]/g, '\\$&')로 이스케이프하던 코드는 이 경우들을 놓친다. 지원하지 않는 환경은 core-js 폴리필을 쓴다.

정리

• 문법은 다섯 묶음이다: 글자(클래스·세트), 위치(앵커·경계·전후방탐색), 횟수(수량자), 묶음(그룹·역참조), 선택(대안).
• 유니코드 텍스트에는 u, 집합 연산이나 이모지 문자열이 필요하면 v. \w·\b는 한글을 모른다.
• 그룹은 이름을 붙여 groups로 꺼내고, 여러 일치는 matchAll로 돈다.
• match는 실패하면 null이고, g 정규식의 test·exec는 lastIndex 상태를 가진다.
• 입력값은 반드시 RegExp.escape()를 거쳐 패턴에 넣는다.

더 읽을거리: 「불규칙 속에서 규칙을 찾아내는 정규표현식」, 「정규표현식, 이렇게 시작하자!」

관련 노트: 정규식 엔진: 탐욕·게으름·전후방탐색·백트래킹, 문자열 다루기, 배열·객체 다루기, ECMAScript 표준과 TC39 프로세스, 이터레이터와 제너레이터