Question

使用RegEx模式匹配结果时得到StackOverflowError。

模式为(\d\*?(;(?=\d))?)+。此正则表达式用于验证输入：

12345;4342;234*;123*;344324

输入是由;分隔的值（仅数字）组成的字符串。每个值最后可以包含一个*（用作其他匹配的通配符）。字符串末尾没有;。

问题是这个正则表达式工作正常，少数值。但是当值的数量太大（超过300）时，它将导致StackOverflowError。

final String TEST_REGEX = "(\\d\\*?(;(?=\\d))?)+";

// Generate string
StringBuilder builder = new StringBuilder();
int number = 123456;
for (int count = 1; count <= 300; count++) {
    builder.append(Integer.toString(number).concat(";"));
    number++;
}
builder.deleteCharAt(builder.lastIndexOf(";"))

builder.toString().matches(TEST_REGEX); //<---------- StackOverflowError

堆栈跟踪：

java.lang.StackOverflowError
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4556)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4683)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4615)
    at java.util.regex.Pattern$Ques.match(Pattern.java:4079)
    at java.util.regex.Pattern$Ques.match(Pattern.java:4079)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4556)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4683)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4615)
    at java.util.regex.Pattern$Ques.match(Pattern.java:4079)
    at java.util.regex.Pattern$Ques.match(Pattern.java:4079)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4556)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4683)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4615)
    ...

我认为模式中的前瞻会导致此错误，因为有很多查找但我还没有弄清楚如何减少它或解决方法。

我非常感谢任何建议，因为我在RegEx没有经验。

Answer 1

在使用StackOverflowError ...

解决问题之前

我想指出您当前的正则表达式(\d\*?(;(?=\d))?)+无法验证此情况。

每个值最后可以包含一个*（用作其他匹配的通配符）

它无法拒绝案例23*4*4*;34*434*34，如here ¹所示。
您的正则表达式会对不匹配的输入进行不必要的回溯。
Java对组(\d\*?(;(?=\d))?)的每次重复使用一个堆栈帧（重复1次或更多次+）。

正确的正则表达式是：

\d+\*?(?:;\d+\*?)*

请注意，这会拒绝*，这不是您要求接受还是拒绝的要求。

这不能解决StackOverflow问题，因为组(?:;\d+\*?)的每次重复也将用尽堆栈。要解决这个问题，请使所有量词占有，因为不需要回溯，因为语法不明确：

\d++\*?+(?:;\d++\*?+)*+

放入字符串文字：

"\\d++\\*?+(?:;\\d++\\*?+)*+"

我已经使用匹配和非匹配输入测试了上面的正则表达式，该输入有超过3600个令牌（由;分隔）。

<强>脚注

¹：regex101使用PCRE风味，与Java正则表达风味略有不同。但是，正则表达式中使用的功能在它们之间是通用的，因此不应存在差异。

<强>附录

实际上，根据您的正则表达式(\d\*?(;(?=\d))?)+进行测试（根据您的要求不正确），使得最外层+占有++似乎解决了StackOverflowError问题，至少在我的测试中有大约3600个令牌（由;分隔，字符串大约是20k字符长）。在针对不匹配的字符串进行测试时，它似乎也不会导致执行时间过长。
在我的解决方案中，为群组*所有权设置(?:;\d+\*?)量词就足以解决StackOverflowError。
```
"\\d+\\*?(?:;\\d+\\*?)*+"
```
然而，为了安全起见，我将所有的一切都占有欲。

Answer 2

你的regexp有点无效，与你的描述不符。你有'\ d \ *？' - 它是一个数字，由可选*组成。然后可选';（？= \ d）' - ';'与前瞻数字。字符串'1 * 2 * 3 *'将匹配您的正则表达式，但不符合您的描述。你可以使用follow regexp。它匹配您的输入和更多的感觉。

final String TEST_REGEX = "(\\d+\\*?)(?:;\\d+\\*?)+";

当计数＆lt;时，它将通过测试。 300但仍然因较大的值而失败。使用像 indexOf 和 substring 这样的纯字符串操作来验证输入。

Answer 3

您可能想要做的是增加堆栈的最大大小，使其不会溢出。 You can read about how to do that here.

基本上，您使用-Xss选项启动程序。例如，-Xss4m当我使用-Xss4m启动代码时，您的程序在没有堆栈溢出的情况下运行（它返回true）。

使用RegEx匹配大输入时的StackOverflowError

3 个答案: