我使用正则表达式从多个文档中提取一些字符串。我陷入了这个＆＃34; StackOverflowError＆＃34;这是一个特定的正则表达式。没有使用该正则表达式，程序可以顺利执行。
我的代码：
package com.gauge.ie.Annotator;
import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.FileWriter;
import java.io.IOException;
import java.io.PrintWriter;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.Iterator;
import java.util.LinkedHashMap;
import java.util.List;
import java.util.Map;
import java.util.Set;
import java.util.UUID;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import javax.print.attribute.Size2DSyntax;
import org.apache.commons.io.FilenameUtils;
import org.apache.uima.util.FileUtils;
public class RecursiveFileDisplay
{
static List<String> misclist=new ArrayList<String>();
static List<String> list=new ArrayList<String>();
static LinkedHashMap<String,String> authormap=new LinkedHashMap<>();
static List<String> random=new ArrayList<String>();
static List<String> benchlist=new ArrayList<String>();
static LinkedHashMap<String,String> benchmap=new LinkedHashMap<>();
static List<String> misc1list=new ArrayList<String>();
String csvfile="/home/gauge/Documents/Docs/madras.csv";
FileWriter fw;
public RecursiveFileDisplay()throws IOException
{
fw=new FileWriter("/home/gauge/Documents/Docs/supremecourt.csv",true);
// TODO Auto-generated constructor stub
}
public static void main(String[] args) throws Exception
{
RecursiveFileDisplay rsd=new RecursiveFileDisplay();
File currentDir = new File("/home/gauge/Documents/Docs/SampleData/SupremeCourt");
rsd.readFilesFromDirectory(currentDir);
System.out.println(benchlist.size());
System.out.println(list.size());
System.out.println(random.size());
rsd.writeCSV();
}
public void writeCSV()throws IOException
{
for(String str:list)
{
fw.append(str);
fw.append("\n");
fw.flush();
}
System.out.println("Csv file is done!");
}
public void readFilesFromDirectory(File dir)
{
try
{
int i=0;
Pattern p1=Pattern.compile("(Author):(.*)");
Pattern p=Pattern.compile("(Bench:)(.*)");
Pattern p2=Pattern.compile("JUDGMENT(.*?)J[.]");
Pattern p3=Pattern.compile("(([H|h]on)|(HON)).*((ble)|BLE)(.*)");
//Pattern p4=Pattern.compile(",\\s*([^,]+),[^,]*\\b(J|JJ)\\.");//\s\w*(?=\w*[,]\sJ[.]*\b)
Pattern p5=Pattern.compile("\\s\\w*(?=\\w*[,]\\sJ[.]*\\b)");
Pattern p4=Pattern.compile("\\w*(?=\\w*[,]*\\s*((JJ)|(L.J)|(C.J)|(J))[.]\\s\\b)");
Pattern p6=Pattern.compile("(BENCH:)((.|\\n)*)(BENCH)((.|\\n)*)(CITATION)");
File[] listfiles=dir.listFiles();
for(File file:listfiles)
{
if(file.isFile())
{
String str="";
String line="";
BufferedReader br=new BufferedReader(new FileReader(file));
while((line=br.readLine())!=null)
{
str+=line+"\n";
}
Matcher match=p.matcher(str);
Matcher match1=p1.matcher(str);
Matcher match2=p2.matcher(str);
Matcher match3=p3.matcher(str);
Matcher match4=p4.matcher(str);
Matcher match5=p5.matcher(str);
Matcher match6=p6.matcher(str);
if(match.find())
{
if(match1.find())
{
list.add(file.toString()+"\t"+match.group(2)+"\t"+match1.group(2)); //filename, judgename ,authorname
System.out.println(match1.group(2));
}
else
{
list.add(file.toString()+"\t"+match.group(2)+"\t"+" ");
System.out.println(match.group(2));
}
}
else if(match1.find())
{
list.add(file.toString()+"\t"+" "+"\t"+match1.group(2));
}
else if(match2.find())
{
list.add(file.toString()+"\t"+match2.group()+"\t"+" ");
}
else if(match3.find())
{
list.add(file.toString()+"\t"+match3.group()+"\t"+" ");
}
else if(match4.find())
{
//do nothing
}
else if(match5.find())
{
list.add(file.toString()+"\t"+match5.group()+"\t"+" ");
System.out.println(file.toString());
}
else if(match6.find())
{
System.out.println("lalalalal");
}
else
{
misclist.add(file.toString()); //list of documents which have no Judgenames
String name = UUID.randomUUID().toString();
PrintWriter pw=new PrintWriter("/home/gauge/Documents/Docs/Misc"+"/"+name);
pw.write(str);
pw.flush();
}
}
else if(file.isDirectory())
{
readFilesFromDirectory(file.getAbsoluteFile());
System.out.println("recursion");
}
}
}
catch(StackOverflowError soe)
{
soe.printStackTrace();
System.err.print(soe);
}
catch (Exception e)
{
e.printStackTrace();
System.err.print(e);
}
}
}
当我删除模式p6时，它不会显示任何错误。
stackTrace如下：
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4717)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4568)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3777)
at java.util.regex.Pattern$Branch.match(Pattern.java:4604)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4658)
at java.util.regex.Pattern$Loop.match(Pattern.java:4785)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4717)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4568)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3777)
at java.util.regex.Pattern$Branch.match(Pattern.java:4604)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4658)
at java.util.regex.Pattern$Loop.match(Pattern.java:4785)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4717)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4568)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3777)
at java.util.regex.Pattern$Branch.match(Pattern.java:4604)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4658)
at java.util.regex.Pattern$Loop.match(Pattern.java:4785)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4717)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4568)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3777)
at java.util.regex.Pattern$Branch.match(Pattern.java:4604)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4658)
at java.util.regex.Pattern$Loop.match(Pattern.java:4785)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4717)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4568)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3777)
at java.util.regex.Pattern$Branch.match(Pattern.java:4604)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4658)
at java.util.regex.Pattern$Loop.match(Pattern.java:4785)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4717)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4568)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3777)
at java.util.regex.Pattern$Branch.match(Pattern.java:4604)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4658)
at java.util.regex.Pattern$Loop.match(Pattern.java:4785)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4717)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4568)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3777)
at java.util.regex.Pattern$Branch.match(Pattern.java:4604)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4658)
at java.util.regex.Pattern$Loop.match(Pattern.java:4785)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4717)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4568)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3777)
at java.util.regex.Pattern$Branch.match(Pattern.java:4604)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4658)
at java.util.regex.Pattern$Loop.match(Pattern.java:4785)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4717)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4568)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3777)
at java.util.regex.Pattern$Branch.match(Pattern.java:4604)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4658)
at java.util.regex.Pattern$Loop.match(Pattern.java:4785)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4717)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4568)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3777)
at java.util.regex.Pattern$Branch.match(Pattern.java:4604)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4658)
at java.util.regex.Pattern$Loop.match(Pattern.java:4785)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4717)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4568)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3777)
at java.util.regex.Pattern$Branch.match(Pattern.java:4604)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4658)
at java.util.regex.Pattern$Loop.match(Pattern.java:4785)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4717)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4568)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3777)
at java.util.regex.Pattern$Branch.match(Pattern.java:4604)
java.lang.StackOverflowError
答案 0 :(得分：3)
问题来自(.|\\n)*的{{1}}部分：
p6 Pattern p6=Pattern.compile("(BENCH:)((.|\\n)*)(BENCH)((.|\\n)*)(CITATION)");
编译到Oracle / OpenJDK JRE上的以下结构，其实现使用递归（注意(.|\\n)*返回GroupTail）以匹配非确定性<的重复/ em>模式（在实现中，交替始终被视为非确定性）。
Loop在一个长字符串上，堆栈用完了，所以你得到Prolog. Loop wrapper
Loop [732768bb]. Greedy quantifier {0,2147483647}
GroupHead. (DEBUG) local=0
Branch. Alternation (in printed order):
Dot. (?:.), equivalent to [^\n\r\u0085\u2028\u2029]
---
Single. Match code point: U+000A LINE FEED (LF)
---
BranchConn [204d080d]. Connect branches to sequel.
GroupTail [214b9e0c]. (DEBUG) local=0, group=2. --[next]--> Loop [732768bb]
。
如果您想毫无例外地匹配任何字符，那么您应该StackOverflowError单独使用Pattern.DOTALL标志。
您可以将标志传递给Pattern.compile(String regex, int flags)方法，以打开整个表达式的标志：
.或者按照Jonny 5的评论中的建议，您也可以使用内联标记Pattern p6 = Pattern.compile("(BENCH:)(.*)(BENCH)(.*)(CITATION)", Pattern.DOTALL);
：
(?s)或者，您也可以打开子模式Pattern p6 = Pattern.compile("(?s)(BENCH:)(.*)(BENCH)(.*)(CITATION)");
的标志：
(?s:.*)顺便说一下，您确定要与Pattern p6 = Pattern.compile("(BENCH:)(?s:(.*))(BENCH)(?s:(.*))(CITATION)");
中的|onrable匹配吗？
p3如果您不想要它，请从字符类中删除Pattern p3 = Pattern.compile("(([H|h]on)|(HON)).*((ble)|BLE)(.*)");
：
|我也看到过多的捕获组。请检查并检查它们是否真的有必要。
答案 1 :(得分：2)
(.|\n)*中的分支正在添加到每个捕获的字符的堆栈中。要匹配的字符串足够长，以至于堆栈溢出。
一种选择是将其更改为.*并使用选项DOTALL。另一个是长时间仔细研究你想要捕获的内容，从什么，为什么，然后使用不同的正则表达式来达到相同的效果，或者构建自己的简单状态机来扫描字符流。< / p>
看起来你要么在目录中递归地进行greping（可能使用grep）或尝试解析某些东西（可能会构建一个解析器，就像javacc一样）。
使用StringBuilder连接很多字符串。更好的是使用new String(Files.readAllBytes(path), charset)来避免每行的麻烦和垃圾收集作为自己的字符串。
删除您实际上不需要进行分支或捕获的任何分组。任何不需要捕获的分支组都应以?:开头。您可能希望在其余部分使用命名组。首先在工具中测试你的正则表达式，甚至可以为你提供one that can write个代码段。
在方括号内的字符类中考虑|的含义，以及类似地将{* 1}}或.
,是一个静态方法，它只需要每个模式使用一次，而不是每次递归，比如说，将这些行拉出方法并进入类[我已编辑过] P6]：
Pattern.compile如果你第一次养成写作的习惯，你会更清楚地看到private static Pattern p = Pattern.compile("Bench:(.*)");
private static Pattern p1 = Pattern.compile("Author:(.*)");
private static Pattern p2 = Pattern.compile("JUDGMENT(.*?)J\\.");
private static Pattern p3 = Pattern.compile("[Hh](on|ON).*(ble|BLE)(.*)");
private static Pattern p4 = Pattern.compile(",\\s*([^,]+),[^,]*\\b(J|JJ)\\.");
private static Pattern p5 = Pattern.compile("\\s\\w*(?=\\w*,\\sJ\\.*\\b)"); //? [.]* ?
private static Pattern p4 =
Pattern.compile("\\w*(?=\\w*,*\\s*(JJ|L.J|C.J|J).\\s\\b)"); //? [,]* ?
private static Pattern p6 =
Pattern.compile("BENCH:.*?BENCH.*?CITATION", Pattern.DOTALL);
和"path\dir"+"\"+name等内容："\t"+" "和"path\dir" + "\" + name然后适当将部分合并到"\t" + " "和"path\dir\" + name。
最后，我调整了匹配器的范围并改变了支撑格式，这可能只是我：
"\t "