PHP 정규식으로 줄바꿈, HTML 태그, 특수문자 제거하는 방법 정리

PHP 정규식은 문자열 가공 작업에서 가장 많이 사용하는 기능 중 하나다.
특히 게시판, 쇼핑몰, 크롤링 데이터, 스마트에디터 HTML 정리 작업에서는 개행문자 제거, HTML 태그 삭제, script 차단, 특수문자 제거 같은 작업이 반복적으로 등장한다.

이 글에서는 PHP preg_replace()와 문자열 함수를 이용해 자주 사용하는 문자열 정리 정규식을 실제 예제 중심으로 정리한다.
실무에서 바로 복사해서 사용할 수 있도록 상황별 예제를 함께 설명한다.

줄바꿈(CRLF) 제거는 왜 필요한가

웹 프로그램에서 textarea 내용을 저장하거나 API 데이터를 가공할 때 줄바꿈 문자 때문에 문제가 생기는 경우가 많다.

대표적으로 이런 상황이 있다.

JSON 저장 시 개행 문제 발생
CSV 저장 시 줄 밀림
SMS 발송 시 문자 깨짐
HTML 압축 시 공백 증가
검색 비교 시 문자열 불일치

실제로 게시판 데이터를 Excel로 내보내는 작업을 할 때 개행문자가 포함되어 셀이 밀리는 문제를 자주 겪었다.
이럴 때 가장 먼저 사용하는 것이 개행 제거 정규식이다.

줄 바꿈 제거 방법

정규식 사용

$text = preg_replace('/\r\n|\r|\n/', '', $text);

Windows(CRLF), Linux(LF), Mac(CR) 개행문자를 모두 제거한다.

문자열 함수 사용

$text = str_replace(array("\r\n", "\r", "\n"), '', $text);

$text = strtr($text, array(
	"\r\n" => '',
	"\r" => '',
	"\n" => ''
));

문자열 함수가 정규식보다 속도가 빠른 경우도 많다.

HTML 태그 제거는 왜 중요한가

사용자 입력값에 HTML 태그가 포함되면 다음 문제가 발생할 수 있다.

XSS 공격
레이아웃 깨짐
관리자 페이지 오염
검색 결과 오류
메일 발송 문제

특히 스마트에디터 내용을 TEXT 형태로 저장할 때 많이 사용한다.

HTML 태그 제거

$content = preg_replace("(\<(/?[^>]+)>)", "", $content);

textarea 태그만 치환한다.

script 태그 제거

$str = preg_replace("!<script(.*?)</script>!is", "", $str);

보안상 매우 중요한 처리다.

특히 사용자 입력 HTML 저장 시 거의 필수로 사용된다.

iframe 제거

$str = preg_replace("!<iframe(.*?)</iframe>!is", "", $str);

외부 사이트 삽입 차단 시 사용한다.

meta 태그 제거

$str = preg_replace("!<meta(.*?)>!is", "", $str);

크롤링 데이터 정리 시 자주 사용한다.

style 태그 제거

$str = preg_replace("!<style(.*?)</style>!is", "", $str);

불필요한 CSS 제거용이다.

공백 및 특수문자 제거

문자열 비교나 검색 기능 구현 시 공백 정리가 중요하다.

연속 공백 제거

$str = preg_replace("/\s{2,}/", " ", $str);

공백 여러 개를 하나로 변경한다.

공백 제거

$string = preg_replace('/ /', '', $string);

$string = preg_replace("/\s+/", "", $string);

탭, 줄바꿈 포함 전체 공백 제거 시 두 번째 방법을 사용한다.

특수문자 제거

$string = preg_replace(
	"/[ #\&\+\-%@=\/\\\:;,\.'\"\^`~\_|\!\?\*$#<>()\[\]\{\}]/i",
	"",
	$string
);

검색 키워드 정리 시 많이 사용한다.

태그 속성 제거 방법

크롤링 HTML이나 스마트에디터 HTML 정리 시 style, width, height 제거 작업이 자주 필요하다.
실제로 오래된 게시판 데이터를 리뉴얼 사이트로 이전할 때 inline style 제거 작업을 많이 했다.

style 속성 제거

// style=border:0
$str = preg_replace("/ style=([^\"']+) /", " ", $str);

// style="border:0"
$str = preg_replace("/ style=(\"|')?([^\"']+)(\"|')?/", "", $str);

width, height 제거

$str = preg_replace("/ width=(\"|')?\d+(\"|')?/", "", $str);

$str = preg_replace("/ height=(\"|')?\d+(\"|')?/", "", $str);

img 태그 src 추출

이미지 주소만 가져와야 할 때 사용하는 정규식이다.

img src 하나 추출

preg_match(
	"/<img[^>]*src=[\"']?([^>\"']+)[\"']?[^>]*>/i",
	$str,
	$result
);

img src 전체 추출

preg_match_all(
	"/<img[^>]*src=[\"']?([^>\"']+)[\"']?[^>]*>/i",
	$str,
	$result
);

게시글 이미지 수집 기능에서 많이 사용한다.

영문자만 남기기

영문자만 유지

$string = preg_replace("/[^A-Za-z]/", "", $string);

영문 + 공백만 유지

$string = preg_replace("/[^A-Za-z|\x20]/", "", $string);

ASCII 문자만 유지

$string = preg_replace("/[^\x20-\x7e]/", "", $string);

한글 제거, 특수문자 제거 등에 활용 가능하다.

정규식 사용 시 주의사항

정규식은 매우 강력하지만 잘못 사용하면 성능 문제가 발생할 수 있다.

특히 대용량 HTML 처리에서는 아래를 주의해야 한다.

.* 과도 사용 금지
HTML 전체를 정규식만으로 파싱하지 않기
UTF-8 환경 고려
사용자 입력값 검증 필수
XSS 필터 별도 적용 권장

HTML 구조 분석이 목적이라면 PHP의 DOMDocument 사용이 더 안전한 경우도 많다.

정리

PHP 정규식은 문자열 정리 작업에서 거의 필수 기능이다.

특히 아래 작업에서 매우 자주 사용된다.

게시판 HTML 정리
스마트에디터 데이터 가공
크롤링 데이터 정리
검색어 전처리
특수문자 제거
이미지 src 추출
보안 필터링

실무에서는 대부분 여러 정규식을 조합해서 사용하게 된다.
처음에는 복잡해 보이지만 자주 쓰는 패턴만 익혀도 문자열 처리 속도가 크게 빨라진다.