Question

问题

我正在使用以下正则表达式来检查有效的文件路径：

^(?:[a-zA-Z]\:\\|\\\\)([^\\\/\:\*\?\<\>\"\|]+(\\){0,1})+$

使用测试字符串V:\Sample Names\Libraries\DeveloperLib\DeveloperComDlgs\res被视为有效。我甚至可以在字符串的开头添加无效字符而不会出现问题。但是，当我在字符串的末尾添加无效字符时，网页会从灾难性的回溯中冻结。

在这个正则表达式字符串中导致这种情况的原因是什么？

打破正则表达式

完整字符串： ^(?:[a-zA-Z]\:\\|\\\\)([^\\\/\:\*\?\<\>\"\|]+(\\){0,1})+$

第一组： (?:[a-zA-Z]\:\\|\\\\)

检查两者
- 大写或小写字母后跟冒号和反斜杠
- 双反斜杠

第二组： ([^\\\/\:\*\?\<\>\"\|]+(\\){0,1})

第一部分： [^\\\/\:\*\?\<\>\"\|]+
- 确保没有非法字符（\ /：*？＆lt;＆gt;“|）
第二部分： (\\){0,1}
- 根据需要多次检查各部分之间的反斜杠

我认为可能导致问题的{0, 1}因为这允许回溯但我不确定。有什么想法吗？

Answer 1

您当前的正则表达式可以写成^(?:[a-zA-Z]:\\|\\\\)([^\\\/\:*?<>"|]+\\?)+$：在? {0,1}之后注意\\量词（它等于+限制量词）量化组。

一旦这样的模式如(a+b?)+存在于模式中，就很有可能发生灾难性的回溯。比赛时，一切都很好，比如c:\12\34\aaaaaaaaaaaaaaaaaaa is matched fine，但是一旦不允许的字符显示导致不匹配，（尝试在最后添加*，c:\12\34\aaaaaaaaaaaaaaaaaaa*），issue will appear。

要解决此问题，可以匹配相同文本的量化子模式不能立即相继跟随。并且使用可选的组，其中每个子模式都是强制性的。

在大多数情况下，您需要使用展开的a+(ba+)*替换这些模式部分（一次或多次出现a后跟0个或多个b序列（不再是可选的）本身）然后发生一次或多次a（因此，在一个a和下一个a之间必须有一个b。如果你需要匹配一个\最后的可选^(a+b?)+$（因为b实际上可能与字符串末尾的b?匹配），您需要在结尾处添加a+(ba+)*b?：{{1} }。

所以，将其转换为您当前的场景：

^(?:[a-zA-Z]:\\|\\\\)[^\\\/\:*?<>"|]+(?:\\[^\\\/\:*?<>"|]+)*$

或者如果最后允许\：

^(?:[a-zA-Z]:\\|\\\\)[^\\\/\:*?<>"|]+(?:\\[^\\\/\:*?<>"|]+)*\\?$
                     |      a+       (   b       a+       )* b?

查看不匹配时的fails gracefully或matches as expected。

正如@anubhava建议的那样，你可以通过使用所有权量词（或原子组代替，因为，例如.NET正则表达式引擎不支持所有权）来进一步增强性能禁止任何回溯进入分组模式。一旦匹配，这些模式就不会被重新尝试，因此，失败可能会更快：

^(?:[a-zA-Z]:\\|\\\\)[^\\\/\:*?<>"|]+(?:\\[^\\\/\:*?<>"|]+)*+\\?$
                                                            ^

或原子组示例：

^(?:[a-zA-Z]:\\|\\\\)(?>[^\\\/\:*?<>"|]+(?:\\[^\\\/\:*?<>"|]+)*)\\?$
                     ^^^                                       ^

请注意:不是特殊的正则表达式元字符，不应对其进行转义。在角色类中，只有-，^，\和]通常需要转义，其他所有其他都不是特别的。

在The Explosive Quantifier Trap查看有关灾难性回溯的详情。

修正正则表达式中的灾难性回溯

问题

打破正则表达式

1 个答案: