不匹配的正则表达式灾难性回溯

Question

在进行任何编码之前，我正在https://regex101.com/中测试我的正则表达式。

正则表达式：

\[(.*?)\]((?:.\s*)*?)\[\/\1\]

示例字符串：

  

[tag1]测试文本测试文本测试文本测试文本。

     

测试文本测试文本测试＆＃34;文本测试文本＆＃34;测试文本测试文本。

     

测试文字？测试文本测试文本测试文本测试文本测试文本测试   文本。

     

测试文本，测试文本测试文本测试文本测试文本测试文本测试文本   测试文本。[/ tag1]

     

[tag2]测试文本测试文本测试文本测试文本。

     

测试文本测试文本测试＆＃34;文本测试文本＆＃34;测试文本测试文本。

     

测试文字？测试文本测试文本测试文本测试文本测试文本测试   文本。

     

测试文本，测试文本测试文本测试文本测试文本测试文本测试文本   测试文本。[/ tag2]

     

...

     

...

我试图在一些长字符串中捕获2个组。第一个是方括号内的文本，第二个是标记内的文本。

当正则表达式匹配时，上面的正则表达式和字符串没有任何问题。如果匹配，则每个匹配步数仅为1000+。但是如果开始和结束标记不匹配，则会发生灾难性的回溯，匹配以126.000+步完成，并停止查找其他匹配的字符串。

我知道，防止回溯问题是避免使用具有＆＃34; +＆＃34;的嵌套结构。或＆＃34; *＆＃34;但我似乎无法知道更好的方法。

也许有人可以提供或建议比我的更好的正则表达式？

Answer 1

我认为由于这种模式，灾难性的回溯出现了：

(?:.\s*)*?

在一个可以重复的组中嵌套重复总是会给正则表达式引擎带来痛苦。查看你的正则表达式图表，清楚你的模式正在创造一个丑陋的开销：

你可以改进你的正则表达式，使其具有这样的模式：

\[(.*?)\](.*?)\[\/\1\]        // Using single line flag
(?s)\[(.*?)\](.*?)\[\/\1\]    // Using inline single line flag

<强> Working demo

另外，如果你不想使用单行标志，你可以使用这样的小技巧：

\[(.*?)\]([\s\S]*?)\[\/\1\]

此外，使用+（1个或更多）运算符代替*（0或更多）运算符可能会很有用：

\[(.+?)\](.+?)\[\/\1\]

Answer 2

显然，这个正则表达式：\[([^\]]+)\]([^\[]+)\[\/\1\]的步数要少得多。谢谢你的所有答案。

Demo

Answer 3

前言

首先，使用适当的测试环境。如果在.NET中使用正则表达式，请不要在不支持.NET正则表达式的正则表达式测试程序中进行测试。

Regex101.com不支持.NET正则表达式！

你的正则表达式模式不会导致你在 RegexStorm.net 发布的字符串发生任何灾难性的回溯。

根本原因

好的，正则表达式模式非常糟糕且效率低下。为什么？ (?:.\s*)*?（包含在一些更大的模式中，就像它本身一样，独立，它不会有问题），匹配任何跟随零或更多（因此，可选）空格的字符，所有这些重复0次或更多次，但尽量少。因此，.和\s*都可以匹配相同的字符串。当您将其包装在组中并添加量词时，正则表达式引擎尝试的可能匹配组合的总数会呈指数级增长。

增强模式

增强不是那么明显，但许多人会得到像Federico给出的解决方案：使用懒惰点匹配模式。因此，(?s)\[([^]]*)](.*?)\[/\1]（demo）看起来是可行的解决方案。它在RegexHero.net处每秒产生7,843次迭代。

使用展开循环方法，我们可以根据输入提高正则表达式 n 次。在这里，我们可以将.*?子模式编写为任何字符，但[和任何[不跟/\1]一直到\[/\1]。这可以用否定的字符类和1个量化组内的前瞻编写（它甚至不需要任何修饰符或标志）：

\[([^]]*)]([^[]*(?:\[(?!/\1])[^[]*)*)\[/\1]

见this RegexStorm demo。这种正则表达式模式每秒产生114,225次迭代。这是因为[和[tag1]之间根本没有[/tag1]，如果字符串包含大量[或仅包含{{1}，性能会变差（这不应该发生在现实生活中）。

测试

这是RegexHero测试：

您的原始正则表达式在该网站上仅产生了5,094 ips。