Question

我希望一些Perl大师能够对以下内容发表意见。这是我能找到的最小的例子，可以重现我的问题：

>./perl -e 'print (("a".("f"x32767)."a") =~ /a(?:[^a]|bb)*a/)'
1

但

>./perl -e 'print (("a".("f"x32768)."a") =~ /a(?:[^a]|bb)*a/)'
>

我确实从源代码编译了最新的Perl，只是为了看看它是否能解决这个问题：

>./perl -v

This is perl 5, version 20, subversion 1 (v5.20.1) built for i686-linux

这是一个错误（看起来像我）吗？

Answer 1

添加use warnings：

use strict;
use warnings;
use feature qw(say);

say "Version is $^V";

say +("a".("f"x32767)."a") =~ /a(?:[^a]|bb)*a/ ? 'matches' : 'no match';

say +("a".("f"x32768)."a") =~ /a(?:[^a]|bb)*a/ ? 'matches' : 'no match';

输出：

Complex regular subexpression recursion limit (32766) exceeded at e.pl line 7.
Complex regular subexpression recursion limit (32766) exceeded at e.pl line 9.
Version is v5.20.1
matches
no match

来自perldiag

超出复杂的常规子表达式递归限制（％d）

（W regexp）正则表达式引擎在需要反向跟踪的复杂情况下使用递归。递归深度限制为32766，或者在堆栈无法任意增长的架构中可能更少。（＆＃34;简单＆＃34;＆＃34;中等＆＃34;情况在没有递归的情况下处理，不受限制。）尝试缩短检查中的字符串;循环使用Perl代码（例如，使用while）而不是正则表达式引擎;或重写正则表达式，使其更简单或回溯更少。（有关掌握正则表达式的信息，请参阅perlfaq2。）

Answer 2

这是自2002年以来报告的known bug，尚未修复。您现在知道您不是第一个遇到此错误的人（或功能，您很快就会看到）。

从错误报告中的this comment开始，似乎量词（*，+，{n,m}，{n,}）设计为具有上限重复次数，当用于回溯的堆栈溢出时阻止引擎发生段错误，但是违反正则表达式中Kleene运算符的定义（重复任意次数的模式）并给出查询¹的错误答案。

^{¹相比之下，Java的正则表达式引擎（Oracle的实现）只允许在这种情况下发生StackOverflowError，但量词的上限为2 ³² - 1，足以满足大多数用例。对于这样的情况，存在一种解决方法，即使用占有量词。}

同样的注释也会打印正则表达式编译调试信息，输出清楚地显示*已转换为{0,32767}。它在我的机器上也是可重现的（为x86_64-linux-thread-multi构建的perl v5.10.1（*））。

$ perl -Mre=debug -wce '/(A|B)*/'
Compiling REx "(A|B)*"
Final program:
   1: CURLYM[1] {0,32767} (15)
   5:   TRIE-EXACT[AB] (13)
        <A>
        <B>
  13:   SUCCEED (0)
  14: NOTHING (15)
  15: END (0)
minlen 0
-e syntax OK
Freeing REx: "(A|B)*"

以下测试进一步确认了问题，并显示perl不允许您指定超出限制的重复。

$ perl -e 'print (("a".("f"x32767)."a") =~ /a(?:[^a]|bb){0,32767}a/)'
Quantifier in {,} bigger than 32766 in regex; marked by <-- HERE in m/a(?:[^a]|bb){ <-- HERE 0,32767}a/ at -e line 1.

使量词占有性*+确实不解决问题，因为限制仍然存在：

$ perl -Mre=debug -wce '/(A|B)*+/'
Compiling REx "(A|B)*+"
Final program:
   1: SUSPEND (19)
   3:   CURLYM[1] {0,32767} (17)
   7:     TRIE-EXACT[AB] (15)
          <A>
          <B>
  15:     SUCCEED (0)
  16:   NOTHING (17)
  17:   SUCCEED (0)
  18: TAIL (19)
  19: END (0)
minlen 0
-e syntax OK
Freeing REx: "(A|B)*+"

最新的Perl不会匹配超过32768个字符的某些正则表达式

2 个答案:

超出复杂的常规子表达式递归限制（％d）