升压：正则表达式块大小有限吗？

Question

我有一个很大的文本文件要通过boost解析：正则表达式。为了简化过程，首先我决定将大文件拆分为块，以便将来解析每个块。

我使用下一个正则表达式字符串：

FIRST1.*?FIRST2.*?FIRST3((.*?\r*\n*)*)LAST1.*?LAST2.*?LAST3

它允许我在“FIRST1 FIRST2 FIRST3”和“LAST1 LAST2 LAST3”之间接收我想要的所有内容。

在它们之间存在许多具有许多文本的行（超过20 000字节）。它不起作用。如果我将文本分成2部分（part1~10 000字节和part2~10 000字节），并尝试使用以下正则表达式：

• FIRSTS part1 LASTS - 一切解析好
• FIRSTS part2 LASTS - 一切解析好
• FIRSTS part1part2 LASTS - break。

我认为可能会提升：正则表达式限制，并在此处尝试：online regex，它仍然相同。

看起来part1part2对于regex块来说太大了，是不是真的？是否有正则表达式的大小限制，或者我只是搞砸了什么？

UPD：

我还发现了最大尺寸。它创建子字符串，如果它是字符[106-12131]，但如果我将任何一个字符添加到子字符串的任何位置，它就找不到它。所以，它是12025。

Answer 1

你可能不应该在这里使用正则表达式。

我会告诉你Spirit有效地做到这一点的方法，但你没有显示相关的代码，所以我会等。

也就是说，至少让群组成为非捕获群体（例如((.*?\r*\n*)*)），并考虑使用cmatch代替smatch（docs）

哦，这可能是灾难性回溯的案例 [¹]：

((.*?\r*\n*)*)

尝试这样的事情：

(.+?[\r\n]+)*

使其不被捕获：

(?:.+?[\r\n]+)*