Question

我有一个正则表达式来测试CSV单元格是否包含正确的文件路径：

编辑 CSV列出了脚本运行时尚不存在的文件路径（我不能使用-e），文件路径可以包含*或％variable％或{$ variable}。

my $FILENAME_REGEXP = '^(|"|""")(?:[a-zA-Z]:[\\\/])?[\\\/]{0,2}(?:(?:[\w\s\.\*-]+|\{\$\w+}|%\w+%)[\\\/]{0,2})*\1$';

由于CSV单元格有时包含双引号的包装，有时文件名本身需要用双引号括起来，所以我进行了这种分组（|“|”“”）... \ 1

然后使用此功能：

sub ValidateUNCPath{
    my $input = shift;
    if ($input !~ /$FILENAME_REGEXP/){
        return;
    } 
    else{
        return "This is a Valid File Path.";
    }

}

我正在尝试测试这个短语是否与我的正则表达式相匹配（它应该不匹配）：

"""c:\my\dir\lord"

但是亲爱的Perl在以下情况下进入无限循环：

ValidateUNCPath('"""c:\my\dir\lord"');

编辑实际上它会循环播放：

ValidateUNCPath('"""\aaaaaaaaa\bbbbbbb\ccccccc\Netwxn00.map"');

我确保在http://regexpal.com中我的正则表达式正确地捕获了那些包含双引号的非对称“”“...”，但Perl有了自己的想法：（

我甚至尝试了

中的/ g和/ o标志

/$FILENAME_REGEXP/go

但它仍然悬而未决。我错过了什么？

Answer 1

首先，你发布的任何内容都不会导致无限循环，所以如果你得到一个，那么它不会来自代码的这一部分。

当我尝试你的子程序时，对于远离看起来像路径的各种字符串，它返回true，例如：

.....
This is a Valid File Path.
.*.*
This is a Valid File Path.
-
This is a Valid File Path.

这是因为你的正则表达式相当松散。

^(|"|""")                  # can match the empty string
(?:[a-zA-Z]:[\\\/])?       # same, matches 0-1 times
[\\\/]{0,2}                # same, matches 0-2 times
(?:(?:[\w\s\.\*-]+|\{\$\w+}|%\w+%)[\\\/]?)+\1$  # only this is not optional

由于只有最后一部分实际上必须匹配任何东西，所以你允许所有类型的字符串，主要是在第一个字符类中：[\w\s\.\*-]

在我个人看来，当你开始依赖看起来像你的正则表达式时，你做错了什么。除非你熟练使用正则表达式，并且希望没有人不会被迫修复它。

为什么不删除引号？此外，如果系统中存在此路径，则可以更轻松地检查其是否有效：-e $path

Answer 2

更新

编辑：从反复试验中，以下分组子表达式[\w\s.*-]+导致回溯问题

    (?:
        (?:
             [\w\s.*-]+
          |  \{\$\w+\}
          |  %\w+%
        )
        [\\\/]?
    )+

修复＃1，展开的方法

'
 ^
    (                          # Nothing
      |"                       # Or, "
      |"""                     # Or, """
    )
                      # Here to end, there is no provision for quotes (")
    (?:               # If there are no balanced quotes, this will fail !!
        [a-zA-Z]
        :
        [\\\/]
    )?
    [\\\/]{0,2}

    (?:
        [\w\s.*-]
      |  \{\$\w+\}
      |  %\w+%
    )+
    (?:
        [\\\/]
        (?:
            [\w\s.*-]
          |  \{\$\w+\}
          |  %\w+%
        )+
    )*
    [\\\/]?
    \1
 $
'

修复＃2，独立子表达式

'
 ^
    (                          # Nothing
      |"                       # Or, "
      |"""                     # Or, """
    )
                      # Here to end, there is no provision for quotes (")
    (?:               # If there are no balanced quotes, this will fail !!
        [a-zA-Z]
        :
        [\\\/]
    )?
    [\\\/]{0,2}

    (?>
       (?:
           (?:
                [\w\s.*-]+
             |  \{\$\w+\}
             |  %\w+%
           )
           [\\\/]?
       )+
    )
    \1
 $
'

修复＃3，删除+量词（或添加+？）

'
 ^
    (                          # Nothing
      |"                       # Or, "
      |"""                     # Or, """
    )
                      # Here to end, there is no provision for quotes (")
    (?:               # If there are no balanced quotes, this will fail !!
        [a-zA-Z]
        :
        [\\\/]
    )?
    [\\\/]{0,2}

    (?:
        (?:
             [\w\s.*-] 
          |  \{\$\w+\}
          |  %\w+%
        )
        [\\\/]?
    )+
    \1
 $
'

Answer 3

如果正则表达式引擎是天真的，

('y') x 20 =~ /^.*.*.*.*.*x/

由于必须尝试

，

需要很长时间才能失败

20 * 20 * 20 * 20 * 20 = 3,200,000 possible matches.

您的模式具有类似的结构，这意味着它有许多组件可以匹配您输入的各种子字符串。

现在，Perl的正则表达式引擎高度优化，远非天真。在上面的模式中，它将首先查找x，然后非常快地退出。不幸的是，它没有或无法同样优化您的模式。

你的模式完全混乱。我甚至不打算猜测它匹配的假设。一旦切换到正确的模式，您会发现此问题将自行解决。

Answer 4

感谢sln这是我的固定正则表达式：

my $FILENAME_REGEXP = '^(|"|""")(?:[a-zA-Z]:[\\\/])?[\\\/]{0,2}(?:(?:[\w\s.-]++|\{\$\w+\}|%\w+%)[\\\/]{0,2})*\*?[\w.-]*\1$';

（我也不允许在目录中使用* char，并且只允许使用单个* in（最后）文件名）

RegExp只在perl中有无限循环，为什么？

4 个答案: