Question

当我使用下面的字符串作为正则表达式的输入时，Java挂起了100％的CPU使用率。

使用RegEx：

这是我的应用程序中用于描述字段的正则表达式。

^([A-Za-z0-9\\-\\_\\.\\&\\,]+[\\s]*)+

用于测试的字符串：

Provider_One的SaaS服务VLAN
Didier SPT的第二次尝试，因为他给我的第一次是错误的： - （

当我以不同的组合分割相同的字符串时，它可以正常工作。就像“来自Provider_One的SaaS服务VLAN”，“他给我的第一个是错误的:-(”，等等.Java仅挂起以上给定的字符串。

我也尝试过如下优化正则表达式。

^([\\w\\-\\.\\&\\,]+[\\s]*)+

即使这不起作用。

Answer 1

catastrophic backtracking的另一个经典案例。

当正则表达式到达输入字符串中:并且不属于您的字符类时（假设您正在使用{{1}）时，您有嵌套的量词会导致大量的排列被检查方法）。

让我们简化这个正则表达式的问题：

.matches()

和这个字符串：

^([^:]+)+$

正则表达式引擎需要检查

1234:

......这只是四个字符。在您的示例字符串上，RegexBuddy在100万次尝试后中止。在最终承认这些组合都不允许以下1234 # no repetition of the capturing group 123 4 # first repetition of the group: 123; second repetition: 4 12 34 # etc. 12 3 4 1 234 1 23 4 1 2 34 1 2 3 4匹配之前，Java会很乐意继续努力......

你怎么解决这个问题？

您可以使用possessive quantifiers

禁止正则表达式回溯

将允许正则表达式更快失败。顺便说一下，我删除了所有那些不必要的反斜杠。

修改

一些测量：

在字符串^([A-Za-z0-9_.&,-]++\\s*+)+上，需要RegexBuddy 862步才能找出不匹配。
对于"was wrong :-)"，它是1,742步对于"me was wrong :-)"，有14,014步 "gave me was wrong :-)"，28,046步 "he gave me was wrong :-)"，112,222步。
对于"one he gave me was wrong :-)"，＆gt; 1,000,000步。

Answer 2

首先，您需要意识到您的正则表达式与提供的输入字符串不匹配。字符串包含不是“单词”字符的数字字符（'<' '>' '/' ':'和')'）。

那为什么要这么久？

基本上是“灾难性的回溯”。更具体地说，正则表达式的重复结构为正则表达式回溯算法提供了指数数量的替代算法！

这是你的正则表达式所说的：

一个或多个单词字符
后跟零个或多个空格字符
根据需要重复前两个模式。

问题在于“零个或多个空格字符”部分。第一次，匹配器将匹配第一个意外字符（即'<'）的所有内容。然后它将退回一点并再次尝试使用另一个替代方案......在最后一个字母之前涉及“零空格”，然后当它失败时，它会将“零空间”移回一个位置。

问题在于，对于具有N非空格字符的字符串，有N个不同的位置可以匹配“零空格”，这使得2^N组合不同。随着N的增长，这种情况迅速变为巨大数字，最终结果很难与无限循环区分开来。

Answer 3

为什么要将空格与其他字符分开匹配？你为什么要在开始时锚定比赛，但不是最后？如果你想确保字符串不以空格开头或结尾，你应该这样做：

^[A-Za-z0-9_.&,-]+(?:\s+[A-Za-z0-9_.&,-]+)*$

现在只有一个“路径”正则表达式引擎可以通过字符串。如果在到达结尾之前用尽了与[A-Za-z0-9_.&,-]匹配的字符，并且下一个字符与\s不匹配，则会立即失败。如果它在仍然匹配空白字符时到达末尾，则会失败，因为在每次运行空格后需要至少匹配一个非空白字符。

如果你想确保只有一个空格字符分隔非空格的运行，只需从\s+中删除量词：

^[A-Za-z0-9_.&,-]+(?:\s[A-Za-z0-9_.&,-]+)*$

如果您不关心空白与非空格的关系，请将它们全部与相同的字符类匹配：

^[A-Za-z0-9_.&,\s-]+$

我假设您知道您的正则表达式与给定的输入不匹配，因为笑脸中的:和(，您只是想知道失败需要这么长时间的原因

当然，既然你是以Java字符串文字的形式创建正则表达式，那么你会写：

"^[A-Za-z0-9_.&,-]+(?:\\s+[A-Za-z0-9_.&,-]+)*$"

或

"^[A-Za-z0-9_.&,-]+(?:\\s[A-Za-z0-9_.&,-]+)*$"

或

"^[A-Za-z0-9_.&,\\s-]+$"

（我知道你在原始问题中有双反斜杠，但这可能只是为了让它们正确显示，因为你没有使用SO的优秀代码格式化功能。）

正则表达式挂起程序（100％CPU使用率）

3 个答案: