Regex引擎如何为正则表达式生成NFA？

Question

在此Wiki页面中：https://www.owasp.org/index.php/Regular_expression_Denial_of_Service_-_ReDoS#The_problematic_Regex_na.C3.AFve_algorithm

你可以看到正则表达式^(a+)+$

创建了以下NFA：

我的问题是：从正则表达式创建此NFA的过程是什么？

Answer 1

他们没有。

大多数正则表达式引擎都不会创建NFA，而是通过回溯来工作。
回溯是一个重新访问你所做的每一个决定，撤消它，并尝试另一个选项直到某些东西工作的过程，这很快就会变得低效。发动机通常不够智能以消除类似的路径，某些模式的性能可能成为指数。

可以在Runaway Regular Expressions: Catastrophic Backtracking中找到一个很好的解释 在^(a+)+$输入aaaaaaaaaaaaX的示例中，引擎会尝试所有组合：

• aaaaaaaaaaaa
• aaaaaaaaaaa a
• aaaaaaaaaa aa
• aaaaaaaaaa a a
• ...
• aa aaaaaaaaaa
• a aaaaaaaaaaa
• ...
• a a aaaa aaaa aa

......这很多。

您所关联的OWASP文章正在展示真正的拒绝服务攻击，但解释纯粹是理论上的 - 这不是攻击的实际工作方式。

匹配正则表达式可以更好地实现：关于该主题的规范性文章是Regular Expression Matching Can Be Simple And Fast (but is slow in Java, Perl, PHP, Python, Ruby, ...)，其中还包含您的问题的答案，解释了如何有效地构建正确的NFA和匹配模式。

采用这种方法的一个引擎是RE2，golang的正则表达式库。 RE2确实构建了NFA，其性能总体上要好得多，但需要权衡：RE2 does not have common features like lookarounds and back-references。
例如，RE2 can quickly discover there is no match on ^(((a+)+)+)+$，而other flavors time out。

另见：

• Stack Exchange Network Status - Outage Postmortem - July 20, 2016 - Stack Overflow是如何因为无辜的模式\s+$（真的）而无法响应。
• Backtracking in Regular Expressions - 来自Microsoft Docs（以前称为MSDN）的一个很好的解释。