Question

我写了一个正则表达式，将文件路径解析为不同的组（DRIVE，DIR，FILE，EXTENSION）。

^((?<DRIVE>[a-zA-Z]):\\)*((?<DIR>[a-zA-Z0-9_]+(([a-zA-Z0-9_\s_\-\.]*[a-zA-Z0-9_]+)|([a-zA-Z0-9_]+)))\\)*(?<FILE>([a-zA-Z0-9_]+(([a-zA-Z0-9_\s_\-\.]*[a-zA-Z0-9_]+)|([a-zA-Z0-9_]+))\.(?<EXTENSION>[a-zA-Z0-9]{1,6})$))

我在C＃中进行了测试。当我想测试的路径是正确的。结果很快，这就是我想要的。

string path = @"C:\Documents and Settings\jhr\My Documents\Visual Studio 2010\Projects\FileEncryptor\Dds.FileEncryptor\Dds.FileEncryptor.csproj";

=＆GT;行

但是当我尝试使用我知道不匹配的路径进行测试时，就像这样：

string path = @"C:\Documents and Settings\jhr\My Documents\Visual Studio 2010\Projects\FileEncryptor\Dds.FileEncryptor\Dds.FileEncryptor?!??????";

=＆GT; BUG

当我调用这段代码时，测试会冻结

Match match = s_fileRegex.Match(path);

当我查看我的Process Explorer时，我看到QTAgent32.exe进程挂在处理器的100％处。这是什么意思？

Answer 1

您遇到的问题称为catastrophic backtracking，这是由于正则表达式可以匹配字符串开头的大量方法，由于.NET中的回溯正则表达式引擎而导致性能降低

我认为您在正则表达式中过于频繁地使用*。 *并不意味着“连接” - 它意味着“0次或更多次”。例如，此处不应该有*：

((?<DRIVE>[a-zA-Z]):\\)*

最多应该有一个驱动器规格。您应该在此处使用?，否则如果您希望驱动器规范是强制性的，则根本不使用量词。同样，正则表达式中似乎还有其他位置，其中量词不正确。

Answer 2

Mark Byers是正确的，因为问题的原因是catastrophic backtracking，但这是导致问题的最后一部分，而不是与驱动器号匹配的位。

例如，在

中

(?<FILE>
  ([a-zA-Z0-9_]+
    (
      ([a-zA-Z0-9_\s_\-\.]*[a-zA-Z0-9_]+)
    |
      ([a-zA-Z0-9_]+)
    )\.
    (?<EXTENSION>[a-zA-Z0-9]{1,6})
  $)
)

你可以看到

([a-zA-Z0-9_\s_\-\.]*[a-zA-Z0-9_]+)
|
([a-zA-Z0-9_]+)

可以通过多种不同的方式匹配相同的字符串，这些方式将随着文件名的长度呈指数增长。

当正则表达式的扩展部分无法匹配时，正则表达式引擎会回溯并尝试对文件名部分进行不同的排列，希望这可以使扩展部分匹配 - 当然它永远不会，但是正则表达式引擎无法弄清楚这一点。 RegexBuddy，当被要求在您提供的路径上测试正则表达式时，在1.000.000次迭代后中止匹配尝试。 C＃正则表达式引擎将继续运行，直到它耗尽所有排列，在此期间将CPU固定在100％。

为了解决这个问题，通常需要避免重复元素的重复，以避免与同一事物相匹配的变化，并且可能将匹配的部分包含在atomic groups中，如果以后的部分不会被回溯到正则表达式失败了。

但是，在你的情况下，最好使用正确的工具来完成这项工作，那些是.NET的路径操作功能。

Answer 3

为什么不使用System.IO.Path函数？

云端硬盘：http://msdn.microsoft.com/en-us/library/system.io.path.getpathroot.aspx
目录：http://msdn.microsoft.com/en-us/library/system.io.path.getdirectoryname.aspx减去了驱动器的内容
文件名：http://msdn.microsoft.com/en-us/library/system.io.path.getfilenamewithoutextension.aspx
扩展程序：http://msdn.microsoft.com/en-us/library/system.io.path.getextension.aspx

Answer 4

我只是使用FileInfo和Path类来获取信息。

如果您选择使用正则表达式，然后请注意，正则表达式与所有合法文件名都不匹配：正则表达式中缺少一大堆合法文件名令牌。

正则表达式匹配需要很长时间才能执行

4 个答案: