정규식 테스트 도구

정규식(Regular Expression, regex 또는 regexp)은 텍스트를 매칭, 검색, 치환하는 강력한 도구입니다. 특정한 문법 규칙을 사용하여 텍스트 패턴을 기술하고, 입력 형식을 빠르게 검증하거나, 특정 내용을 추출하고, 일괄 치환 등을 수행할 수 있습니다. 정규식은 프로그래밍, 데이터 처리, 텍스트 편집 등의 시나리오에서 널리 사용됩니다.

테스터는 ECMAScript 언어 명세에 정의된 RegExp 엔진에 의해 구동됩니다. ECMAScript 정규식은 백트래킹 NFA 구현입니다. 엔진은 각 대안을 왼쪽에서 오른쪽 순서로 시도하고 수량자 실패 시 되돌아가며, 이것이 룩어라운드와 역참조를 가능하게 하지만 적대적 입력에서 대재앙적 백트래킹을 유발하기도 합니다. 엔진이 인식하는 여섯 가지 플래그는 g(전역), i(대소문자 무시), m(다중 줄, 줄별 앵커), s(dotAll, '.'이 줄바꿈 매칭), u(유니코드 모드), y(스티키, lastIndex에 앵커)입니다. 플래그에 따라 매칭 시맨틱스가 크게 변합니다. /u 하에서 엔진은 패턴을 UTF-16 코드 유닛이 아닌 유니코드 코드 포인트의 시퀀스로 취급하므로 서러게이트 페어가 하나의 문자로 매칭되고, \p{L}(모든 문자), \p{Sc}(통화 기호), \p{Script=Han} 같은 유니코드 속성 클래스를 사용할 수 있습니다. 명명된 캡처 그룹 (?<name>...)과 룩비하인드 (?<=...)는 ES2018의 일부이며 Chromium 64+, Firefox 78+, Safari 16.4+에서 지원되지만, 아토믹 그룹 (?>...)과 포세시브 수량자 (a++) 같은 PCRE 전용 기능은 아직 명세에 포함되어 있지 않습니다. 프로덕션에서 가장 큰 위험은 ReDoS입니다. 입력 'aaaaaaaaaaaaaaaa!'에 대한 (a+)+b 같은 패턴은 두 개의 중첩 수량자가 같은 문자 시퀀스를 여러 방식으로 분할할 수 있어 지수적 경로를 탐색합니다. 완화 방법은 잘 알려져 있습니다. 같은 문자 클래스에 대한 중첩 수량자를 피하고, 가능한 한 ^와 $로 앵커링하며, 엔진이 지원하면 아토믹 그룹을 선호하거나, Go의 RE2(역참조와 룩비하인드를 O(n) 보장 매칭으로 교환)와 같은 선형 시간 엔진으로 전환합니다. 서버 측 검증을 위한 신뢰할 수 없는 입력의 경우 RE2 또는 수작업 파서가 거의 항상 더 안전한 선택입니다.

• 엔진: ECMAScript RegExp는 DFA가 아닌 백트래킹 NFA; 이것이 룩어라운드와 역참조를 가능하게 하지만 대재앙적 백트래킹도 가능하게 함
• 플래그: g(전역), i(대소문자 무시), m(줄별 ^/$), s(dotAll, '.'이 \n 매칭), u(유니코드 모드, 서러게이트 인식), y(스티키, lastIndex에 앵커)
• 유니코드 모드: /u가 코드 포인트 매칭과 \p{L}(문자), \p{Sc}(통화), \p{Script=Han}을 활성화; /u 없이는 [a-zA-Z]+가 비라틴어 단어를 모두 놓침
• 최신 구문 가용성: 명명된 캡처 (?<n>...)와 룩비하인드 (?<=...)는 Chromium 64+, Firefox 78+, Safari 16.4+에서 지원; 아토믹 그룹 (?>...)과 포세시브 수량자 (a++)는 ECMAScript에 없음
• ReDoS: 같은 클래스에 대한 중첩 수량자 (a+)+b가 지수적으로 폭발; 앵커, 아토믹 그룹으로 강화하거나 신뢰할 수 없는 입력에 RE2/re2-wasm으로 마이그레이션
• 복잡도 하한: 고정 알파벳에 대한 리터럴 앵커 패턴은 O(n)으로 실행; 역참조와 제한 없는 룩어라운드는 최악의 경우를 지수적으로 밀어올리므로 배포 전 적대적 입력으로 벤치마크할 것