简单的AlphaNumeric Regex（单个间距），没有灾难性的回溯

Question

我有以下REGEX表达式（可行）以允许Alpha-Numeric（以及'和-）并且没有双倍间距：

  ^([a-zA-Z0-9'-]+\s?)*$

由于嵌套分组，这可以发生灾难性的回溯 - 这很糟糕！

如何简化此表达式以避免灾难性回溯？ （理想情况下，这不允许在第一个和最后一个字符中使用空格）

Answer 1

说明

嵌套组不会自动导致灾难性的回溯。在你的情况下，这是因为你的正则表达式退化为灾难性回溯的经典例子(a*)*。

由于\s中的^([a-zA-Z0-9'-]+\s?)*$可选，但在输入中没有任何空格但字符超出允许列表时，正则表达式只会退化为^([a-zA-Z0-9'-]+)*$。

您还可以考虑扩展原始正则表达式：

[a-zA-Z0-9'-]+\s?[a-zA-Z0-9'-]+\s?[a-zA-Z0-9'-]+\s?[a-zA-Z0-9'-]+\s?...

由于\s是可选的，我们可以删除它：

[a-zA-Z0-9'-]+[a-zA-Z0-9'-]+[a-zA-Z0-9'-]+[a-zA-Z0-9'-]+...

我们得到了一系列连续的[a-zA-Z0-9'-]+，它们将尝试各种方式在他们之间分配角色并夸大其复杂性。

解决方案

编写匹配token delimiter token ... delimiter token的正则表达式的标准方法是token (delimiter token)*。虽然可以重写正则表达式而不是重复token，但我建议不要重复它，因为它很难正确。为避免重复，您可能希望通过字符串连接来构造正则表达式。

按照上面的方法：

^[a-zA-Z0-9'-]+(\s[a-zA-Z0-9'-]+)*$

虽然你可以在这里看到重复的重复，但没有灾难性的回溯，因为正则表达式只能扩展到：

[a-zA-Z0-9'-]+\s[a-zA-Z0-9'-]+\s[a-zA-Z0-9'-]+\s[a-zA-Z0-9'-]+...

并且\s和[a-zA-Z0-9'-]是互斥的 - 只有一种方法可以匹配任何字符串。