Java 정규표현식

개요

Java java.util.regex 패키지를 활용한 정규표현식(Regex) 실전 사용법 정리.
Pattern과 Matcher를 이해하고, 실무에서 자주 쓰이는 유효성 검사, 데이터 추출 및 변환 예제를 통해 개념을 다짐. 성능 최적화와 안정성을 위한 주의사항까지 정리하는 것을 목표로 함.

💡 주요 개념

Java 정규표현식의 두 축: Pattern과 Matcher

• Pattern: 정규표현식 패턴을 담는 '틀'. 불변(Immutable) 객체.

  • Pattern.compile(regex)을 통해 생성.
  • 컴파일 과정은 비용이 크므로, 반복 사용될 패턴은 private static final 멤버로 캐싱하여 재사용하는 것이 성능 최적화의 핵심.
  • compile 시 두 번째 인자로 Pattern.CASE_INSENSITIVE(대소문자 미구분) 같은 플래그를 전달할 수 있음.

• Matcher: Pattern이라는 틀을 가지고 실제 문자열에 대조해보는 '검사기'. 상태를 가지는(Stateful) 객체.

  • pattern.matcher(inputString)을 통해 생성.
  • 하나의 Matcher 인스턴스는 하나의 입력 문자열에 대해서만 작업을 수행. 일회성으로 사용 후 버려짐.

핵심 메서드 비교

메서드	설명	사용 목적
matcher.matches()	문자열 전체가 패턴과 완벽히 일치해야 true 반환.	입력값 전체의 형식 검증 (ID, 비밀번호, 이메일 등)
matcher.find()	문자열 내에서 패턴과 일치하는 부분 문자열을 찾으면 true 반환.	로그 파싱, 특정 단어/패턴 추출 등
matcher.lookingAt()	문자열의 시작 부분이 패턴과 일치하면 true 반환.	특정 접두사(prefix)로 시작하는지 검사할 때 유용.
matcher.group(int/String)	find() 성공 후, 매칭된 내용을 가져옴.	group(0): 매치된 전체 문자열. group(1): 첫 번째 () 그룹. group("name"): 이름있는 그룹.
matcher.replaceAll(String)	매칭되는 모든 부분을 주어진 문자열로 치환한 새 문자열 반환.	마스킹(개인정보), 포맷팅 등

🧠 코드 예시

1. 입력 필터링: 이메일 주소 형식 검증

matches()를 사용해 문자열 전체가 이메일 패턴에 부합하는지 확인.
참고: RFC 5322 표준을 완벽히 만족하는 정규식은 매우 복잡함. 아래 예시는 일반적인 수준의 검증임.

import java.util.regex.Pattern;

class EmailValidator {
    // 일반적인 이메일 형식을 검증하는 정규표현식
    private static final Pattern EMAIL_PATTERN = Pattern.compile(
            "^[a-zA-Z0-9_!#$%&'*+/=?`{|}~^.-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,}$"
    );

    public static boolean isValid(String email) {
        return email != null && EMAIL_PATTERN.matcher(email).matches();
    }
    
    public static void main(String[] args) {
        System.out.printf("test.user@example.com -> %b%n", isValid("test.user@example.com"));
        // 도메인의 최상위 레벨(TLD)이 없어 false
        System.out.printf("user@example -> %b%n", isValid("user@example")); 
    }
}

2. 로그 파싱: 이름있는 그룹(Named Group)으로 정보 추출

로그에서 레벨, 시간, 메시지를 추출. (?<이름>...) 문법을 사용하면 group(1) 대신 group("이름")으로 값을 가져올 수 있어 가독성이 크게 향상됨.

import java.util.regex.Matcher;
import java.util.regex.Pattern;

class LogParser {
    public static void main(String[] args) {
        String logLine = "[ERROR] 2023-10-27 15:45:30 - Critical failure: Database connection lost.";

        // 이름있는 캡처 그룹 사용: (?<level>...), (?<timestamp>...), (?<message>...)
        String regex = "^\\[(?<level>INFO|WARN|ERROR|DEBUG)\\]\\s" +
                       "(?<timestamp>\\d{4}-\\d{2}-\\d{2} \\d{2}:\\d{2}:\\d{2})\\s-\\s" +
                       "(?<message>.*)$";
        
        Pattern logPattern = Pattern.compile(regex);
        Matcher matcher = logPattern.matcher(logLine);

        if (matcher.find()) {
            System.out.println("로그 파싱 성공!");
            System.out.println(" - 로그 레벨: " + matcher.group("level"));
            System.out.println(" - 시간: " + matcher.group("timestamp"));
            System.out.println(" - 메시지: " + matcher.group("message").trim());
        } else {
            System.out.println("지원하지 않는 로그 형식.");
        }
    }
}

3. 텍스트 변환: 개인정보 마스킹

replaceAll()을 활용하여 텍스트 내의 전화번호를 찾아 중간 자리를 *로 마스킹.

import java.util.regex.Pattern;

class DataMasker {
    // 01x-xxxx-xxxx 또는 01x-xxx-xxxx 형식의 전화번호 패턴
    // 그룹 1: 앞자리, 그룹 2: 중간자리, 그룹 3: 끝자리
    private static final Pattern PHONE_PATTERN = 
        Pattern.compile("(01[016789])-(\\d{3,4})-(\\d{4})");

    public static String maskPhoneNumber(String text) {
        if (text == null) return "";
        // $1, $3은 첫번째, 세번째 그룹을 의미. 중간자리는 ****로 치환.
        return PHONE_PATTERN.matcher(text).replaceAll("$1-****-$3");
    }

    public static void main(String[] args) {
        String originalText = "문의는 010-1234-5678 또는 011-333-9999로 연락주세요.";
        String maskedText = maskPhoneNumber(originalText);
        
        System.out.println("원본: " + originalText);
        System.out.println("마스킹: " + maskedText);
        // 출력: 마스킹: 문의는 010-****-5678 또는 011-****-9999로 연락주세요.
    }
}

🔍 심화 학습: 성능과 안정성을 위한 고려사항

• 탐욕적(Greedy) vs 게으른(Lazy) 수량자

  • Greedy (*, +): 가능한 가장 긴 문자열을 찾으려 함. <h1>abc</h1>def<h1>ghi</h1>에서 <.+>는 <h1>abc</h1>def<h1>ghi</h1> 전체와 매칭됨.
  • Lazy (*?, +?): 가능한 가장 짧은 문자열을 찾으려 함. 위 예시에서 <.+?>는 <h1>abc</h1>와 <h1>ghi</h1> 각각 매칭됨. 의도치 않은 매칭을 방지하기 위해 ?를 붙이는 습관이 중요.

• 전후방 탐색 (Lookaround)

  • (?=...): 전방탐색(Positive Lookahead). 특정 패턴이 뒤따라오는 경우에만 매칭. \d+(?=원)은 '원' 앞의 숫자만 매칭함 ('원'은 결과에 미포함).
  • (?<=...): 후방탐색(Positive Lookbehind). 특정 패턴이 앞에 있는 경우에만 매칭. (?<=\\$)\\d+는 '$' 뒤의 숫자만 매칭함 ('$'는 결과에 미포함).

• 치명적 백트래킹 (Catastrophic Backtracking)

  • (a|b)*와 같이 중첩된 수량자를 포함한 비효율적인 정규식이 특정 문자열을 만났을 때, 경우의 수가 폭발적으로 증가하며 CPU를 100% 점유하고 시스템을 멈추게 하는 현상.
  • 예방: 불필요한 중첩 그룹 피하기, 더 구체적인 패턴 사용, 독점적 수량자(*+, ++)나 원자적 그룹((?>...))을 사용하여 백트래킹 자체를 막는 것을 고려.