Question

我的目的是匹配这种不同的网址：
   url.com
   my.url.com
   my.extended.url.com
   a.super.extended.url.com
   等等...

所以，我决定构建正则表达式，在网址的开头和结尾有一个字母或数字，并且有一个包含字母数字字符和点的无限数量的“子域”。例如，在“my.extended.url.com”中，“my”中的“m”是正则表达式的第一个类，“com”中的“m”是正则表达式的最后一个类，而“y。”， “扩展”。和“网址”。是正则表达式的第二类。

使用下面代码中的模式和主题，我希望find方法返回false，因为此url必须不匹配，但它使用100％的CPU并且似乎保持无限循环。

    
    String subject = "www.association-belgo-palestinienne-be";
    Pattern pattern = Pattern.compile("^[A-Za-z0-9]\\.?([A-Za-z0-9_-]+\\.?)*[A-Za-z0-9]\\.[A-Za-z]{2,6}");

    Matcher m = pattern.matcher(subject);
    System.out.println("    Start");
    boolean hasFind = m.find();
    System.out.println("    Finish : " + hasFind);

仅打印：

  
      Start

我无法使用正则表达式测试仪重现问题这是正常的吗？这个问题来自我的正则表达式吗？可能是因为我的Java版本（1.6.0_22-b04 / JVM 64 bit 17.1-b03）？

提前感谢您的帮助。

Answer 1

问题是正则表达式的([A-Za-z0-9_-]+\\.?)*部分。请注意，它在另一个量词（*）中有一个量词（+）。这导致catastrophic backtracking - 基本上，它必须尝试指数数量的匹配才能检查正则表达式，至少是实现大多数正则表达式引擎的方式（包括Java）。

如果您使用possessive quantifiers，则可以避免此问题，但这会改变正则表达式的含义，并且它将不再符合您希望匹配的内容。

我认为这里的诀窍是找到一个表达你想要解决的正则表达式，没有双量词。例如，以下内容应该有效：

Pattern.compile("^[A-Za-z0-9]\\.?([A-Za-z0-9_-]|[A-Za-z0-9_-]\\.)*[A-Za-z0-9]\\.[A-Za-z]{2,6}$");

我认为这表示您尝试匹配的同一类字符串，并且应该更快。

Answer 2

这不是一个无限循环。问题是它正在检查每一个可能的匹配而不是找到一个匹配。如果你可以让它运行数十亿年，它最终会终止。请参阅this article以获得有关发生情况的详细解释。

也许这个正则表达式令人满意（它终止于给定的字符串）：^[A-Za-z0-9][A-Za-z0-9_-]*(\\.[A-Za-z0-9_-]+)*\\.[A-Za-z]{2,6}$（参见http://ideone.com/Z0rlg）

Answer 3

它实际上并不是一个无限循环，它只是花了很长时间。出于所有实际目的，我们可以称之为悬挂。

你的正则表达式可能会有所改进。

尝试将$放在最后。它会说这是生产线的终点。它可以帮助您节省时间。

修改：

 String subject = "www-association-belgo-palestinienne-be";
 Pattern pattern = Pattern.compile("^[A-Za-z0-9]([-_A-Za-z0-9]*)(\\.[-_A-Za-z0-9]+)*\\.([-_A-Za-z0-9]+\\.)*([-_A-Za-z0-9]*)[A-Za-z0-9]$");

 Matcher m = pattern.matcher(subject);
 System.out.println("    Start");
 boolean hasFind = m.find();
 System.out.println("    Finish : " + hasFind);

Answer 4

请参阅How do you debug a regex?。

具体来说，我会尝试regexpal，并将java反斜杠更改为单个反斜杠。

Answer 5

这是一个明显的Java regexp实现错误。使用您的正则表达式和输入数据here

查看结果

您将看到评估的速度有多快

java中的正则表达式中的无限循环

5 个答案: