我在测试我的NLP系统时发现了一些问题。我有一个java正则表达式"(.*\\.\\s*)*Dendryt.*"和字符串"v Table of Contents List of Tables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . "它只是不停止计算。
很明显，这个正则表达式的复杂性很高，我会尝试重构它。对于我未来的正则表达式开发，你有什么建议吗？
感谢。
答案 0 :(得分：7)
您通过重复包含重复量词的组来运行catastrophic backtracking。随后的组合爆炸（给定足够的输入）会导致（tada！）堆栈溢出。
简化，你的正则表达式尝试
(.*\.\s*)匹配任意一系列字符包括点和空格，后跟一个点，后跟零个或多个空格，然后
(...)*重复这个次数。
Dendryt只有这样才会尝试匹配“Dendryt”。
由于此失败，引擎回溯，尝试不同的排列。可能性几乎无穷无尽......
为了说明，这里是RegexBuddy的regex调试器的屏幕截图，简化版本的数据：
RegexBuddy Screen Shot http://img714.imageshack.us/img714/3275/screen017.png
发动机在100万次排列后放弃。
你的正则表达式会更好一点（在将它转换为Java字符串时不要忘记转义反斜杠）：
(.*)(\.\s*)*+Dendryt
在这种情况下，*+，一个所谓的占有量词，一旦匹配就会拒绝回溯。这样，正则表达式引擎可以更快地失败，但它仍然很糟糕，因为(.*)匹配任何，甚至是点。
([^.]*)(\.\s*)*+Dendryt
是安全的，除非您的数据可以在“虚线位”之前包含点。总而言之，请更清楚地说明您的要求，然后可以构建更好的正则表达式。
答案 1 :(得分：2)
试试这个：
"[^.]*+(?>\\.\\s*)*+Dendryt.*"
[^.]*+会消耗第一个点之前的所有内容，而+会生成* possessive，因此正则表达式永远不会回溯到该点。
(?>\\.\\s*)是一个atomic group：它匹配一个点和任何后续的空格，就好像它是一个单位一样。如果正则表达式引擎必须回溯到该点，它将跳过它直到组开始匹配的位置。
但它不会回溯到那一点，因为我也使该群体的量词占有欲。我想说明原子团的使用，但我本可以改为使用\\s*占有 - 或者两者兼而有之。
占有量词和原子组完全禁用回溯，但并不总是可以使用它们。当您必须允许回溯时，请将其保持在最低限度;不要让量词消耗超过它们所需的量。特别是，正如蒂姆所说，避免嵌套量词和量化的子表达式可以匹配相同的东西。
事实上，避免使用.*和.+是一项很好的练习;它迫使你去思考它的机制。如果您没有想要匹配的具体内容，请考虑您不想要匹配的内容，例如当我使用[^.]*代替第一个.*时你的正则表达式。
答案 2 :(得分：0)
正则表达式的这一部分 (?:.*\.\s*)*
说要获得尽可能多的具有
的连续行
如果是连续行，则在其中和末尾的文字点。这是必需的，直到最后一次找到
Dendryt 字面量。找到后，还要获取该行的其余部分。
这很容易使用一个简单的原子组 (?>_)
但是，由于是原子的，如果在组中使用.*，则不会停止
检查是否找到了最终的 Dendryt，因为它不会返回。
解决方案是使用惰性量词 .*? 代替。然后原子组将
允许检查最后一个 Dendryt。
请注意，我不确定您的真实意图是什么，只是使用正则表达式 提供说明它目前是如何工作的，并提供不会的等价物 导致回溯问题（我看到的是）。
解决方案：
(?>.*?\.\s*)*Dendryt.*