정규식

정규식은 글자들 속에서 원하는 모양의 패턴을 찾아내려고 짧은 기호로 적어놓은 검색 규칙이다. 예를 들어 우체국 분류함이 "이런 모양으로 시작하는 주소는 이쪽 칸에"라고 미리 정해두는 것처럼, 컴퓨터 프로그램도 "web으로 시작하는 모든 글자" 같은 규칙을 하나의 짧은 기호로 적어두고, 입력되는 글자들이 그 모양에 맞는지 기계적으로 대조한다.

문제는 이 규칙을 너무 성기게 짜면 의도하지 않은 것까지 함께 걸려든다는 점이다. "김으로 시작하는 사람은 모두 신입사원"이라고 규칙을 정해두면, 김씨 성을 가진 부장님도 신입사원으로 오인되는 것과 비슷하다. 규칙 자체는 틀린 게 아니지만, 현실의 다양한 경우를 다 담아내지 못해서 억울한 오탐지가 생기는 것이다.

기사에서는 "이 함수는 입력한 도메인을 이메일 제공업체로 추정되는 정규식 목록과 대조하고 있었다"는 문장으로 등장해요. 구글 워크스페이스 가입 화면이 web으로 시작하는 도메인을 통째로 이메일 서비스업체로 분류하는 규칙을 써두어서, 정상 도메인을 쓰는 블로거와 우크라이나 경제부까지 가입을 거부당했어요. 여기서 오해하기 쉬운 점은 정규식 자체가 잘못된 기술이라는 것인데, 실제 문제는 규칙을 너무 넓게 짜서 정상적인 경우까지 걸러낸 설계의 실수였어요.

온라인 정규식 테스트 도구에 web\..* 같은 규칙을 입력하고, web.example.com이나 webflow.io 같은 여러 도메인 이름을 하나씩 넣어보면 어떤 것이 걸리고 어떤 것이 통과하는지 눈으로 확인할 수 있어요. 규칙을 조금씩 바꿔가며 실험해 보면, 왜 너무 넓은 규칙이 엉뚱한 결과를 낳는지 감이 온다.