我开发了以下正则表达式来解析一些赛车数据：
^(\w+\s?\w+)-?(\w+\s?\w+)?-?(\w+\s?\w+)?\s(\(.*?\))-?(\w+\s?\w+)-?(\w+\s?\w+\s?\w+)?-?(\w+\s?\w+\s?\w+)?\s(\(.*?\))-?(\w+\s?\w+\s?\w+)-?(\w+\s?\w+\s?\w+)?-?(\w+\s?\w+\s?\w+\s?\w+)?\s(\(.*?\))-?(\w+\s?\w+\s?\w+)-?\s(\(.*?\))-?
正则表达式可以很好地处理我的大部分数据（请参见示例）This works great
但是对于某些文本数据，我遇到了灾难性的回溯错误，我无法弄清原因。 （请参见示例）This fails
我可以在正则表达式中进行一些更改，以免出现错误。还有，导致失败的失败字符串是什么？
答案 0 :(得分：2)
明显的红色标志：您的正则表达式包含.*?，这始终是一个坏主意（太不受限制）。它还包含\w+\s?\w+-?\w+等，（因为定界符都是可选的）可以与\w+\w+\w+等进行匹配，这可能会导致灾难性的回溯，因为所有\w+匹配都可能重叠。
也就是说，像foobar这样的字符串可以被\w+\w+\w+匹配为foob a r或f o obar或fo ob ar或两者之间的任何内容。所有这些在道德上都是等效的（正则表达式匹配覆盖了相同的子字符串），但是如果正则表达式的后面部分导致匹配失败，则正则表达式引擎将循环通过所有可能的方式在{之间分隔foobar {1}}，然后放弃并返回失败。
解决方案是确保正则表达式的子部分永远不会重叠。
例如，要匹配一个或两个用空格分隔的单词，应使用\w+\w+\w+，而不是\w+(?:\s\w+)?。