avatar
Published on

자바스크립트에서의 정규식, 이론부터 조심해야 할 것 까지

Author
  • avatar
    Name
    yceffort

Table of Contents

정규식은 무엇인가

정규식은 string 데이터의 패턴을 설명하는 방식이다. 다양한 언어에서 사용가능하며, 정규식을 사용하면 이메일 주소나, 암호와 같은 일련의 문자에서 패턴을 확인하여 해당 정규식에 정의된 패턴과 일치하는지 확인하고, 실행 가능한 정보를 얻을 수 있다.

정규식 만들기

자바스크립트에서 정규식을 만드는 방법은 두가지가 있다. RegExp 생성자를 사용하여 만들거나, / 를 사용하여 패턴을 감싸는 방법이 있다.

정규식 생성자

문법 : `new RegExp(pattern[, flags])

var regexConst = new RegExp('abc')

정규식 리터럴

문법: /pattern/flags

var regexLiteral = /abc/
  • flags는 옵셔널한 값인데, 이후에 다룬다.

정규식을 동적으로 만들고 싶은 경우가 있는데, 이 경우에는 정규식 리터럴을 사용할 수 없으므로 정규식 생성자를 사용해야 한다.

둘 중에 어떤 방법을 선택하던지 똑같은 정규식이 된다. 두 정규식 객체 모두 메서드와 속성이 동일하다.

슬래시는 패턴을 묶는데 사용되므로, 정규식의 일부로 사용하기 위해서는 \/와 같이 백슬래시로 이스케이프 해야 한다.

정규식 메소드

정규식 테스트를 위해 주로 사용하는 메소드가 두가지 있다.

ReExp.prototype.test()

이 메서드는 정규식과 일치하는 항목이 있는지 여부를 테스트하는데 사용된다.

var regex = /hello/
var str = 'hello world'
var result = regex.test(str)
console.log(result) // true

RegExp.prototype.exec()

이 메소드는, 일치하는 모든 그룹을 배열로 리턴한다.

var regex = /hello/
var str = 'hello world'
var result = regex.exec(str)
console.log(result)
// [ 'hello', index: 0, input: 'hello world', groups: undefined ]
// 'hello' -> 패턴에 일치하는 것
// index: -> 시작 index
// input: -> 실제 넘겨 받은 문자열

간단한 정규식 패턴

리터럴 텍스트와, 테스트 문자열이 일치하는지 확인하는 가장 간단한 패턴이다.

var regex = /hello/
console.log(regex.test('hello world'))
// true

특수문자

사실 간단한 정규식 패턴은 별로 사용할일이 없다. 복잡한 경우를 다룰 때, 정규 표현식을 어떻게 쓰는지 살펴 보자.

예를 들어, 특정 이메일 주소를 확인하는 것이 아니라 여러 이메일 주소를 확인하고자 한다. 여기에서는 특별한 문자가 등장한다. 정규 표현식을 완전히 이해하기 위해서는 이것들을 어느정도 암기해야 한다.

Flags

정규 표현식에는 다섯 가지의 옵셔널 플래그, 한정자가 있다. 그 중 가장 유명한 두개는 아래와 같다.

  • g: 글로벌 검색
  • i: 대소문자 구별을 안함

플래그와 단일 정규식을 결합할 수 있다.

정규식 리터럴 - /pattern/flogs

var regexGlobal = /abc/g
console.log(regexGlobal.test('abc abc')) // true
var regexInsensitive = /abc/i
console.log(regexInsensitive.test('Abc')) // true

정규식 생성자 - new RegExp('pattern', 'flags')

var regexGlobal = new RegExp('abc', 'g')
console.log(regexGlobal.test('abc abc')) // true
var regexInsensitive = new RegExp('abc', 'i')
console.log(regexInsensitive.test('Abc')) // true

문자열 그룹

[xyz]

특정한 위치에 서로 다른 문자를 일치시키는 방법으로, 괄호안에 있는 문자의 문자열에 있는 모든 단일 문자를 확인한다.

var regex = /[bt]ear/
console.log(regex.test('tear'))
// returns true
console.log(regex.test('bear'))
// return true
console.log(regex.test('fear'))
// return false

[^xyz]

괄호안에 있는 것과 일치하지 않는 것만 확인한다.

var regex = /[^bt]ear/
console.log(regex.test('tear'))
// returns false
console.log(regex.test('bear'))
// return false
console.log(regex.test('fear'))
// return true

[a-z]

모든 알파벳을 특정 위치에서 일치시키고 싶다면, 모든 문자를 쓰는 대신 이처럼 범위를 쓰면 된다. [a-h]는 a~h를 의미한다. [0-9]를 사용하여 숫자를 찾거나, [A-Z]를 사용하여 대문자만 찾을 수도 있다.

var regex = /[a-z]ear/
console.log(regex.test('fear'))
// returns true
console.log(regex.test('tear'))
// returns true

메타 문자

특수한 의미를 가진 것들을 의미한다. 매우 다양하지만, 일단 중요한 것은 아래와 같다.

  • \d: 숫자 ([0-9]와 같음)
  • \w: 글자, 숫자, _를 포함. ([a-zA-Z0–9_]와 같음)
  • \s: 공백 문자 (스페이스, 탭)
  • \t: 탭 문자
  • \b: 단어의 시작이나 끝에 일치하는 단어를 찾는다. 단어 바운더리 라고도 불리운다.
  • .: 새 줄(\n)을 제외한 모든 문자와 일치
  • \D: \d와 같음
  • \W: \w와 정반대
  • \S: \s와 정반대

Quantifiers

Quantifiers는 정규식에서 특별한 의미를 갖는 기호를 의미한다.

  • +: 이전 식과 1회 이상 일치

    var regex = /\d+/
    console.log(regex.test('8'))
    // true
    console.log(regex.test('88899'))
    // true
    console.log(regex.test('8888845'))
    // true
    
  • *: 이전 식을 0회 이상 일치

    var regex = /go*d/
    console.log(regex.test('gd'))
    // true
    console.log(regex.test('god'))
    // true
    console.log(regex.test('good'))
    // true
    console.log(regex.test('goood'))
    // true
    
  • ?: 이전식을 0, 1번 일치

    var regex = /goo?d/
    console.log(regex.test('god'))
    // true
    console.log(regex.test('good'))
    // true
    console.log(regex.test('goood'))
    // false
    
  • ^: 문자열의 시작과 일치. 문자열 뒤에 오는 정규식은 테스트 문자열의 시작에 있어야 한다. 즉, ^은 문자열의 시작과 일치해야 한다.

    var regex = /^g/
    console.log(regex.test('good'))
    // true
    console.log(regex.test('bad'))
    // false
    console.log(regex.test('tag'))
    // false
    
  • $: 문자열의 끝, 즉 문자열 앞에 와야하는 정규식과 일치한다.

    var regex = /.com$/
    console.log(regex.test('test@testmail.com'))
    // true
    console.log(regex.test('test@testmail'))
    // false
    
  • {N}: 이전 정규식과 N번 일치

    var regex = /go{2}d/
    console.log(regex.test('good'))
    // true
    console.log(regex.test('god'))
    // false
    
  • {N,}: 최소 N번 이상 이전 정규식과 일치

    var regex = /go{2,}d/
    console.log(regex.test('good'))
    // true
    console.log(regex.test('goood'))
    // true
    console.log(regex.test('gooood'))
    // true
    
  • {N,M}: 최소 N번 이상 M번 미만으로 정규식과 일치

    var regex = /go{1,2}d/
    console.log(regex.test('god'))
    // true
    console.log(regex.test('good'))
    // true
    console.log(regex.test('goood'))
    // false
    
  • X|Y: X 또는 Y와 일치

    var regex = /(green|red) apple/
    console.log(regex.test('green apple'))
    // true
    console.log(regex.test('red apple'))
    // true
    console.log(regex.test('blue apple'))
    // false
    
    var regex = /a+b/ // This won't work
    var regex = /a\+b/ // This will work
    console.log(regex.test('a+b')) // true
    

고오급

  • (x): x와 일치하고, 이 일치항목을 기억한다. 이를 캡쳐 그룹이라고 한다. 정규식 내 하위 식을 만드는 데에도 사용된다.

    var regex = /(foo)bar\1/
    console.log(regex.test('foobarfoo'))
    // true
    console.log(regex.test('foobar'))
    // false
    

    \1는 괄호안의 첫번쨰 하위 표현식과 일치하는 항목을 기억하고, 이를 사용한다.

  • (?:x): x와 일치하는 것을 찾고, 그리고 이를 기억하지 않는다. 이는 논 캡쳐 그룹이라고 한다. \1는 작동하지않지만, \1과 일치하게 된다.

    var regex = /(?:foo)bar\1/
    console.log(regex.test('foobarfoo'))
    // false
    console.log(regex.test('foobar'))
    // false
    console.log(regex.test('foobar\1'))
    // true
    
  • x(?=y): x가 y뒤에 올 경우 일치시킨다. 이를 positive look ahead라고 도 한다.

    var regex = /Red(?=Apple)/
    console.log(regex.test('RedApple'))
    // Apple앞에있는 Red만 일치
    // true
    

실제 사용법

숫자 10개와 일치하는 정규식

var regex = /^\d{10}$/
console.log(regex.test('9995484545'))

위 정규식을 하나씩 파해쳐 보자.

  1. 일치 항목이 전체 문자열에 걸쳐서 있어야 한다면 (= 전체 문자열과 같아야 한다면) ^, $를 사용하면 된다.
  2. \d는 숫자만 허용한다
  3. {10}은 이전 표현식을 10번 일치하는 것을 의미하므로, 여기서는 숫자 10개 일치를 의미한다.

날짜 DD-MM-YYYY또는 DD-MM-YY

var regex = /^(\d{1,2}-){2}\d{2}(\d{2})?$/
console.log(regex.test('01-01-1990'))
// true
console.log(regex.test('01-01-90'))
// true
console.log(regex.test('01-01-190'))
// false

위 정규식을 하나씩 파해쳐 보자.

  1. ^$로 문자열 전체를 일치시키는 것만 찾는다.
  2. (는 첫번째 하위 표현을 의미한다.
  3. \d{1, 2} 숫자 1~2개
  4. -: 하이픈 일치
  5. ): 첫번째 하위 표현 종료
  6. {2} 첫번째 표현과 정확히 2개 일치하는 경우
  7. \d{2}: 정확히 두개의 숫자
  8. (\d{2})?: 두개의 숫자. 그러나 옵셔널 이므로, 년도는 2개나 4개가 가능해진다.

조심해야 할 것

lookbehind 문법은 사파리와 익스플로러에서 쓸 수 없다

여기에서도 한번 언급했던 문제. x(?<=y) x(?<!y)와 같은 lookbehind문법은 사파리와 익스플로러에서는 지원하지 않으므로, 다른 방법으로 처리해야한다.

Catastrophic Backtracking

정규식에는 두가지 알고리즘이 존재한다.

  • Deterministic Finite Automaton (DFA): 문자열의 문자를 한번만 확인한다.
  • Nondeterministic Finite Automaton (NFA): 최적의 일치를 찾을 때 까지 여러번 확인한다.

여기에서 자바스크립트는 NFA 알고리즘을 사용하고 있는데, NFA의 동작으로 인해 Catastrophic Backtracking 가 일어날 수 있다.

무슨말인지 잘 모르겠으니 아래 정규식을 살펴보자.

;/(g|i+)+t/

매우 간단한 정규식이지만, 매우 무거운 정규식이기도 하다.

  • (g|i+): 주어진 문자얄이 g로 시작하는지, 또는 i가 하나이상 있는지 확인한다.
  • +: 이전 그룹이 한개이상 존재하는지 확인한다.
  • t: 문자열은 t로 끝나야 한다.

이제 다음 정규식에 맞는 글자들은..

git
giit
gggt
gigiggt
igggt

가 될 것이다.

이 정규식이 얼마나 오래 걸리는지 확인해보자.

const regexp = /(g|i+)+t/
console.time('Regexp')
'giiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiit'.search(regexp)
console.timeEnd('Regexp')
// Regexp: 0.210ms

제법 빠르게 잘 찾는 것을 볼 수 있다. 그런데, 여기에서 이제 마지막 tv로 바꾸면,,,

const regexp = /(g|i+)+t/
console.time('Regexp')
'giiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiv'.search(regexp)
console.timeEnd('Regexp')
// Regexp: 16.360ms

엄청나게 오래걸리는 것을 볼 수 있다.

자바스크립트 정규식 엔진은, 첫번쨰로 성공했던 유효성 검사에서 일련의 문자를 한번 확인한뒤, 다시 이후 검사를 계속한다. (g|i+) 만약 특정 위치에서 실패하면, 이전 위치로 다시 돌아가서 또다른 글자를 찾는다.

만약 이 뒤로 돌아가서 글자를 찾는 과정, 즉 역추적이 너무 복잡해지면 알고리즘은 더 많은 컴퓨팅 파워를 보시하게 되고, 이로 인해 Catastrophic Backtracking가 발생하게 된다.

Nodejs환경에서의 ReDos

ReDos는 앞서 언급했던 Catastrophic Backtracking를 활용하여 nodejs 서버를 공격할 수 있다. 자바스크립트는 싱글 쓰레드 이기 때문에, ReDos 공격은 요청이 완료 될 때 까지 서버가 중단되도록 공격할 수 있다.

일례로, 2.15.2이하 버전의 Moment.js 에서는 ReDos 취약성이 존재한다.

https://snyk.io/test/npm/moment/2.15.2

var moment = require('moment')
moment.locale('be')
moment().format('D                               MMN MMMM')

위 예제에서는, 날짜 형식은 40자인데 공백만 31개가 있다. 이로 인해 역추적이 발생해 실행시간이 엄청나게 오래걸리게 된다. (moment가 느린 요인 중 하나는 정규식을 사용한다는 것이다.)

이러한 문제가 발생한 것은, moment에서 + 연산자를 너무 과도하게 사용했다는 것이다. /D[oD]?(\[[^\[\]]*\]|\s+)+MMMM?/

안전한 정규식 작성하는 방법

1. 가능한 간단하게 작성하기

두 개이상의 *, +, }가 가까 이 있는 경우에 Catastrophic Backtracking 이슈가 발생할 수 있다. 따라서 정규식을 단순화 해서 위와 같은 패턴을 피해야 한다.

2. validation 라이브러리 사용

와 같은 라이브러리로 정규식을 한번 검토하고 나갈 필요가 있다.

3. 정규식 analyzer 사용

를 사용하여, 안전한 정규식인지 한번 확인할 필요가 있다.

4. Nodejs의 디폴트 정규식 엔진을 사용하지 말 것.

NodeJS의 디폴트 정규식은 ReDos 공격에 취약하므로, 구글에서 만든 re2와 같은 별도의 엔진을 사용하는 것이 좋다. 이 엔진은 ReDos를 방어할 수도 있으며, 기존 정규식 엔진과 사용도 거의 동릴하다.

var RE2 = require('re2')
var re = new RE2(/(g|i+)+t/)
var result = 'giiiiiiiiiiiiiiiiiiit'.search(re)
console.log(result) //false

false가 나오는 이유는, Catastrophic Backtracking로 부터 안전하지 않기 때문이다.